随着全球数字化进程逐渐加快，数据已经成为当今社会重要的生产要素，数据的流动为社会创造了无穷的价值，但也潜藏着巨大的隐私风险。首先，对数据隐私安全发展历程进行了回顾，介绍了欧盟数据保护条例 GDPR及其应用领域和影响；其次归纳分析了近几年国内外相关研究文献，总结分析了基于 GDPR的数据技术，并分别探讨了 GDPR 在区块链、物联网等具体领域的应用；最后,根据现有研究工作存在的不足与问题，指出了基于 GDPR 的数据隐私安全研究面临的主要挑战和机遇，并针对中国数据隐私保护提出了一些启示。

我国政务数据的规模体量庞大，类型来源丰富，开发潜力巨大，加强对政务数据的汇聚融合、共享开放和开发利用，对于推动数字经济发展和加快数字中国建设具有重要意义。当前，从中央到地方，各级政府对于政务数据开放均高度重视，政务数据开放进程逐渐加快，但与此同时数据安全保障的问题仍然存在。试图通过分析政务数据开放过程中的现状及问题，探索基于隐私计算技术的政务数据开放平台设计与建设思路，并介绍相关实践案例。

2024 年作为数据要素产业元年，政策密集出台，市场规模快速增长，新技术融合应用加速，但数据流通面临 “安全 - 性能 - 成本” 的 “不可能三角” 困境。从早期加密技术到隐私计算，再到如今的密态计算，技术不断创新。密态计算通过算法优化、硬件加速和技术融合取得突破，蚂蚁集团等企业积极实践，部分场景已达成降低成本目标。随着技术进步和成本下降，数据安全平价时代即将到来，这将推动数据大规模流通，重构数字经济底层逻辑，催生出新型科技服务企业，掌握 “安全、性能、成本” 平衡的企业将在数据大流通时代掌握产业话语权。

数据时代，泛在共享环境下个人隐私信息面临的威胁十分广泛，跨系统交换的多方隐私计算需求迫切。因此，焦面向泛在共享环境下跨系统交换的多方隐私计算器求，以多方数据融合中隐私数据的安全共享和受控传应用求为切入点，从多方隐私计算多方隐私信息共享控制、多方数据协同安全计算等方面梳理了现有相关工作进行综述。针对多方隐私计算，介绍了全生命周期隐私保护、隐私信息流转控制、敏感数据安全交换等技术;针对多方隐私信息共享控制，介绍了本地控制、延伸控制和脱敏控制三类技术；针对多方数据协同安全计算，介绍了学术界、产业界常用的技术。最后，对多方隐私计算面临的挑战和发展方向进行展望。

围绕机密计算展开，以金融反诈骗场景引出，指出机密计算可实现数据可用但不可见，应用广泛。它是新兴计算范式，核心是可信执行环境（TEE），能保障数据计算安全。当前，机密计算在技术发展和产业落地方面取得进展，国内外云平台已应用，国内产业在多方面有成果，但基础技术存在差距，尤其是硬件层面。未来应依托国内应用和系统软件优势，打磨国产 TEE，建设开放生态，推动产业全面发展。

联邦学习使客户端可以在不共享原始数据的情况下通过聚合本地模型更新来协作训练一个机器学习模型。训练过程中传输的中间参数也会泄露原始数据隐私，且好奇的中央服务器可能为了自身利益伪造或篡改聚合结果，文章提出一种抗合谋的隐私保护与可验证联邦学习方案。具体地，对每个客户端中间参数进行加密以保护数据隐私，同时为增强系统安全性结合秘密共享方案实现密钥管理和协同解密，利用多项式承诺实现中央服务器聚合梯度的可验证性。安全性分析表明该方案不仅能保护中间参数的隐私及验证数据完整性，而且能够确保聚合梯度的正确性，同时，性能分析表明，相比于现有同类方案，文章所提方案的通信开销显著降低。

本文探讨了人工智能对数据隐私的影响，包括在AI驱动技术背景下所面临的挑战和机遇。文章全面分析了AI时代数据隐私的伦理、法律和技术方面，为该领域的研究人员和从业者提供了宝贵的见解。

这篇对莱顿大学法律与技术副教授Gianclaudio Malgieri博士的采访探讨了AI驱动的搜索技术与隐私权的交叉点。Malgieri博士强调了需要强有力的保障措施，以确保AI和数据搜索的进步不会损害基本权利，突显了透明度、问责制和道德监督的重要性。