隐私安全

隐私计算是“隐私保护计算”(Privacy- Preserving Computation的简称，可以在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算，有效提取数据要素价值，保障了数据在产生、存储、计算、应用、销毁等各个环节中的“可用不可见”。 隐私计算以安全多方计算（SecureMulti-party Computation， MPC)、联邦学习（Federated Learning，FL）、可信执行环境 (Trusted ExecutionEnvironment, TEE）三大技术路线为代表，同时发展出了同态加密、差分隐私等其他密码学技术为辅助的成熟技术体系。

人脸识别技术是对静态或视频中的人脸图像进行特征提取与分类，从而用于个人身份鉴别、验证与分析的当代信息技术。作为最广泛使用的生物识别技术之一，人脸识别技术以数据为体、以人工智能算法为用、以人类自身为对象，具有不可复制性、非接触性、可扩展性、快速性、多维性等优势，目前已与安防、金融、医疗、支付、教育、文娱等行业深度融合，不但推动链接大数据与人工智能的新型产业悄然成型，而且为我国数字经济与社会发展带来了新机遇。 在人脸识别产业突飞猛进的同时，人脸识别技术滥用的风险也在不断加剧，给个人、组织的合法权益保护以及国家安全带来巨大挑战。随着生成式人工智能时代的来临，人脸信息被广泛采集、分析，进而合成、生成人脸信息的崭新业态开始涌现。如何保护个人人脸信息、防范虚假信息、维护公共利益，成为人脸识别产业必须面对的重大议题。