如今，越来越多的消费者更加担心个人数据和隐私的安全问题，皮尤研究中心(Pew Research Center)去年进行的一项调查发现，有79%的成年人担心公司如何使用收集到的有关他们的数据，52%的成年人表示他们因为担心个人信息被采集而选择不使用产品或服务。

隐私增强技术PET

企业不仅在直接面向消费者的2C市场，在B2B环境中也在寻求减轻隐私风险和担忧的方法，这刺激隐私增强技术(PET)领域的快速进步和商业化。PET是一种强大的技术类别，可在整个生命周期中启用、增强和保护数据隐私。通过采用以数据为中心的隐私和安全性方法，这些技术有助于确保敏感数据在处理过程中得到有效保护。

PET是一个笼统的术语，包括在隐私信息采集、存储、以及在执行搜索或分析过程中对于保护和增强隐私安全性的数据安全技术，例如同态加密、安全多方计算、差分隐私和受信任的执行环境等，其中许多技术存在交集，或者可以结合使用。

四大隐私增强技术的安全性排序：同态加密>安全多方计算>差分隐私>可信执行环境：

通常，虽然在不同的应用程序和用例中隐私增强技术的安全性存在一些差别，但总体来说，技术越安全，它提供的隐私保护或隐私保护功能就越多。在上述四大隐私增强技术中，同态加密提供最强的安全性。可信执行环境(TEE)提供的安全功能最弱(因此，隐私保护最少)。了解每种技术对于确定给定用例的正确选择很重要。

1. 同态加密

同态加密是最安全的选择，尤其适合云计算时代需要将计算转移到云端同时又需要确保(未加密)数据安全的应用场景。它被广泛认为是加密的“圣杯”，它允许对加密密文进行计算。同态加密不是一项新技术，学术领域已经进行了30多年的研究。尽管从历史上来看同态加密一直是计算密集型的技术，但现在的最新突破使之可广泛用于各种商业应用。

同态加密的核心是在密文/加密空间中提供两种原始操作：能够将两个同态加密值相乘(乘法)和/或能够将两个同态加密值相加(加法)。

根据能否同时支持乘法和加法操作，同态加密分为两种基本类型：全同态加密和部分同态加密。全同态加密在密文空间中同时支持乘法和加法，而部分同态加密在密文空间中仅提供乘法或加法操作。两种类型都功能强大，并且可以集成到支持核心业务功能的算法中，这些功能包括加密搜索和加密分析(例如机器学习/AI)。

利用全同态加密可以实现让解密方只能获知最后的结果，而无法获得每个密文的消息与同态计算方式，可以提高隐私信息的安全性。可以在诸如私有集相交之类的技术中利用它来安全地计算两组数据中的重叠项。

值得注意的是，尽管人们可以选择利用特殊类型的硬件(GPU、FPGA)来加速某些同态加密数学计算，但同态加密算法和利用该技术提供业务功能的软件产品是不受硬件平台限制的。

2. 安全多方计算

安全多方计算(SMPC或MPC)技术系列允许多方共同对数据进行操作，同时保持其各自的输入信息私有和安全。像同态加密一样，该技术也有近30年的历史，自1980年代中期以来，安全多方计算一直是学术界研究的活跃领域。学术界的突破以及商业领域中许多技术提供商的解决方案已经使SMPC变得成熟，可以在某些用例中实用。

SMPC的安全性以及相关的隐私安全性差异很大，这取决于所使用的实现类型。例如，SMPC的某些实现利用同态加密，因此可以提供强大的安全保证。