站在数据价值变革潮头，立足于“技术实用论”，《麻省理工科技评论》中国遴选出在中国市场（In China, For China），对隐私计算科技研究、技术推广、商业变革等做出突出贡献或带来显著推进作用的技术研究者与产业人士。浙江大学网络空间安全学院院长任奎教授入选《麻省理工科技评论》中国2022年隐私计算科技创新人物。
人物介绍
云数据隐私安全研究先行者，隐私计算基础理论研究与产业应用并重。
任奎围绕云数据隐私安全、差分隐私、安全多方计算等隐私计算基础理论开展研究工作，于 2020 年和 2015 年先后被评为国际计算机学会会士（ACM Fellow）和 国际电子电气工程师协会会士（IEEE Fellow）。在云数据隐私安全方面，对安全数据存储、加密数据访问控制、加密数据库和加密计算等多个技术研究做出贡献，提出包括安全排序搜索、加密模糊搜索、加密多关键字搜索、软硬件协同的加密范围搜索等一系列创新理论与技术。 在差分隐私领域，构建了分布式差分隐私保护下的复杂数据统计算法，解决了分布式差分隐私保护下复杂数据收集与分析技术的实用化难题；利用时空数据相关性与多阶段架构的隐私分析算法，实现了理论最优的隐私保护的大数据分析框架与技术。
在安全多方计算、数据脱敏、加密网络流量检测等方向上的相关技术已经应用于阿里、华为、杭州城市大脑等企业与场景，在保障数据安全与隐私前提下提升数据价值和产业效率。
每一项技术工程化落地背后，无不充满了人的力量与意志。《麻省理工科技评论》中国持续对科技背后的人才力量投以热切的注视。 适逢数据价值变革和数字经济时代，数据无疑是驱动人工智能技术升级与产业终端应用的底层燃料。随着近年来社会呼声渐高，数据隐私在欧洲、北美、中国逐渐掀起波澜，相关法律法规及指导逐渐推行。 其中，隐私计算技术逐渐成为这一场数据价值变革浪潮中的焦点。 隐私计算目前在行业中更多被称为隐私保护计算（Privacy-preserving Computation），多指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的一系列信息技术，保障数据在流通与融合过程中的“可用不可见”，是一组技术的合集，包括多方安全计算 MPC、可信执行环境 TEE、联邦学习 FL、全同态加密 FHE 等。 今日所言及的“隐私计算”渐成科研与产业端共识，然而追溯技术源头，从上世纪 70 年代起的密码学研究我们已然发现了最早的隐私守护功能。 随之在 2000 年后，与智慧硬件同时生长，采用硬件隔离的可信执行环境成为产业端守护安全与隐私的利器。支撑隐私计算的可信执行环境技术路径从 2000 年初由 ARM、Intel 等硬件体系研发而来，掀起了学界与产业界协同研究与实践探索热潮。 TEE 作为系统安全与隐私的基础架构，以其相对成熟的应用能力与运算效率成为当下隐私计算方案的重要组成部分。以 RISC-V 为代表的方案与生态，为自主的系统安全与隐私保护创造了先决条件，中国学者与产业人士在自主可控、性能提升等诸多维度上迈出了坚实探索。 随着人工智能技术与数据隐私变革热潮渐起，人工智能模型训练过程中的数据隐私得到了进一步重视。在“AI in All”时代，横亘在数据利用一侧是海量数据，在另一侧则是训练后的智能模型用以解决社会突出的应用难题。而在其中间，则是如何保障人们基本的隐私与安全的难题。彼时，以谷歌为代表的学者开发出的联邦学习逐渐成为技术焦点之一。 由此以来，一批以数学/密码学、TEE、人工智能为攻坚方向的科研学者和产业人士，正成为联动产业上下游、建立行业新生态的重构者，引领隐私计算技术进步与产业变革。 在 2011 年、2018 年、2020 年，同态加密、零知识证明、差分隐私分别入选《麻省理工科技评论》当年 10 大突破性技术。 安全性、可信、效率、易用、开源、自主等成为隐私计算技术和产品聚焦、行业讨论最热烈的话题。行至当下，仍有一批研究学者和行业人士在为隐私计算技术推进与落地持续付出。
