一、什么是隐私计算？

隐私计算旨在实现数据“可用不可见”，在保护隐私的前提下完成计算任务，是AI数据安全的核心技术之一。

二、隐私计算实现的方式有哪些？

隐私计算实现方式有：

 1、联邦学习（Federated Learning），多个参与方（如医院、银行）在本地保留数据，仅上传模型参数（而非原始数据）进行联合训练。

 2、同态加密（Homomorphic Encryption），允许直接对加密数据进行计算，结果解密后与明文计算一致。应用案例：用户加密上传医疗数据，云端直接计算疾病风险评分后返回结果。

 3、差分隐私（Differential Privacy），在数据中注入噪声，使单个记录的变动不影响整体统计结果。应用案例：公开统计数据时添加噪声，防止通过数据反推个体身份。