不同于DeFi、NFT等热门赛道，作为一个低调神秘的赛道，隐私计算一直游离在大部分普通投资者视线之外，但是这丝毫不影响投资隐私计算所带来的巨大财富性。据GoinGecko 7月21日数据显示，在庞大的加密市场中，隐私计算类别总市值81亿+美元，市值排名第19位，超过我们熟知的分布式存储、保险、游戏等赛道，仅次于当红辣子鸡NFT与XDAI生态。但无论是进行炒股买币还是投资，过高预估自己的认知都是极其危险的行为。正确认识自己的可知范围，适度行动而不冒险越界，这是成功的最佳法则。那么关于隐私计算赛道，今天GoodTalk有幸邀请到这条赛道深耕4年的生态Findora的市场总监 Lemon，带领我们一起走进这个充满未知的财富领域。
GoodTalk：首先请Lemon先自我介绍，和大家认识一下！
Lemon：大家好，我是Lemon，毕业于浙江大学，创立浙江大学区块链俱乐部、为全国高校区块链技术社区btcu的联合发起人、黑客马拉松大赛品牌“BITRUN”的创始人，目前负责Findora的市场工作。
GoodTalk：进入正式访谈之前，我想跟大家先分享关于零知识证明的一个小故事，这是我曾经见到过非常形象地比喻，那是一个关于阿里巴巴与四十大盗的故事：
传说阿里巴巴会芝麻开门的咒语，强盗向他拷问打开山洞石门的咒语时，他不想让人听到咒语，想了个好办法便对强盗说：“你们离我一箭之地，用弓箭指着我，你们举起右手我就念咒语打开石门，举起左手我就念咒语关上石门，如果我做不到或逃跑，你们就用弓箭射死我。”
强盗们当然会同意，因为这个方案不仅对阿里巴巴没损失，而且还能帮助他们搞清楚阿里巴巴到底是否知道咒语这个问题。强盗举起了右手，只见阿里巴巴的嘴动了几下，石门果真打开了，强盗举起了左手，阿里巴巴的嘴动了几下后石门又关上了。强盗还是有点不信，说不准这是巧合呢，他们不断地换着节奏举右手举左手，石门跟着他们的节奏开开关关，最后强盗们想，如果还认为这只是巧合，自己未免是个傻瓜，最终还是选择相信了阿里巴巴。
当然，这已经是很久以前的故事了。Lemon能否结合这个小故事，向我们说一说什么是2021年的隐私计算？
Lemon：好的，感谢主持人分享的这个小故事，这个小故事本身是密码学里零知识证明算法的一个生动形象的呈现。但是对于隐私计算行业来说，零知识证明算法只是一个重要的组成部分，并且近几年的不断研究，也将这个算法带到了更深的层次。隐私计算本身其实就是借助现代密码学和信息安全技术，在保证原始数据安全隐私性的同时，实现对数据的计算和分析，通俗一点说就是如何解决数据“数据可用不可见，数据可算不可得”的问题，像刚才主持人举的例子里面，阿里巴巴（数据所有者）知道的咒语就是这里的“数据”，如何在不把数据直接交给（泄露给）“强盗”（数据验证方）的情况下，又能证明这个数据真实存在，这就是零知识证明和隐私计算要解决的问题。
GoodTalk：那么，隐私计算在面向企业用户与个人用户的作用分别体现在哪些地方？
Lemon：在大数据时代背景下，数据的价值进一步得到了体现，因此科技公司往往比较关注数据的采集，由于数据的价值与数据维度有密切的关系，所以数据采集的维度也通常比较高，这也有可能会触及到部分用户的隐私，所以在整个大数据的这种需求的背景下，要解决运用数据跟保护隐私这个矛盾点。为了解决这个问题，隐私计算也就应运而生，到了今年因为数据安全法，包括网安法，这些立法上的要求限制，其实对这一块对于企业用户来说又有推进了一个政策层面上更大的一个需求。
另外对于企业用户的一点来说，我们做AI建模的时候，经常需要多方的数据共同参与协作建模，但本身由于数据的所有权问题以及上面提到的监管要求，导致了数据孤岛的现象，极大地抑制了本身大数据行业能创造的价值。但是通过隐私计算的技术，能很好地解决这些问题，对于企业用户来说可以释放拥有的数据的真正价值，这也是为什么整个行业都十分看好隐私计算未来发展的一个重要原因。
对于个人用户层面，我们其实已经在体验隐私计算带给我们的便利性了。举一个非常简单的例子，我们手机现在支持的指纹和面部验证，很多人以为我们这些信息都会直接存储到大公司的数据库里，每次验证的时候都是跟数据库的信息直接验证，其实并不是这样的。我们的这一类生物识别信息其实根本没有离开我们的手机，而是被加密存储在手机单独的一个安全芯片当中，我们称之为TEE。每次验证的时候是会通过这个安全芯片的验证，在不把你个人生物信息传递给平台方的前提下，只返回一个验证是否成功的结果，平台方就可以确认是不是这个账户绑定的个人在登陆或者操作。当然这只是一个非常简单的例子，隐私计算的相关技术在未来在个人用户层面还会有更加广泛的应用，比如平台浏览记录的隐私化处理，金融账户验证的隐私证明等等。
GoodTalk：目前隐私计算市场在生态分布和技术进展呈现怎样的状态，Lemon能否向我们做一个简要的介绍？
Lemon：如同区块链的不可能三角一样，现在的隐私数据处理问题并不是利用更复杂的加密技术来确保数据不会泄露这么简单。整个处理过程中也有三个互相矛盾冲突的要素：安全性、高效性、和流通性（数据孤岛现象）。
对安全性的追求大家很好理解，同时受益于前沿密码学的发展，隐私的加密化、匿名化以及脱敏的技术都已经非常成熟，可以大规模应用在隐私数据处理的环节中，为隐私数据的安全性的保障也提供了更有力的支持。但带来的就是再提升安全性的同时大规模的加密数据处理会加大整个处理过程中的计算量，会导致计算性能下降，而非加密数据处理又极大概率会导致隐私信息的泄露；同时因为数据本身的价值属性，现在一个个实体都想守着自己的数据挖掘出巨大的商业价值，互相独立存储和使用获得的数据。因此形成了数据孤岛的现象，导致数据没办法进行流通和实现高效的利用。
目前的隐私计算技术大多是借助安全多方计算、联邦学习、同态加密、零知识证明、差分隐私和可信执行环境（TEE）等技术来不断地提高安全性和效率性这两个本身带有一点矛盾的属性。同样的，Findora使用了多种最新的无须信任和有效的零知识证明技术，为开放式区块链构建高效的跨链数字资产发行管理系统，创建保密身份和可审计且隐私保护的资质凭证和交易生态。其中Findora采用了在同类产品中最好的zk-SNARKs来创建优化的ZK Rollup服务，以帮助扩大整个区块链领域多链交易的可扩展性，并且创新地使用各种经过验证的数据结构（ADS）来构建高效的兼容新区块链。
zk-SNARKS的全称是“零知识简洁非交互式知识论证”。其主要的优势就在于其“非交互性”，因为相互性强的方案会在数据验证双方中产生多次信息交互，在区块链网络终究是多笔区块链交易，会极大地增高验证成本和区块链网络负担。所以非交互性的零知识证明加密算法会极大地提高隐私数据的验证效率，这对在区块链网络上实现数据的隐私性以及提升区块链交易效率都是必不可少的。
GoodTalk：相较于DeFi、跨链、分布式存储、NFT等热门赛道，隐私计算作为区块链生态中的主流赛道之一，一直处于要火未火的状态。在你看来，是什么阻止它破圈的脚步？
Lemon：我个人的看法是最大的问题还是应用还没有完全落地，用户无法非常直观地体验到隐私计算赋能下的区块链的优势。就像DeFi早期一样，大家都看好这个概念和未来的发展，但是基于当时的落地产品还无法对行业产生非常有效地推动。目前的隐私计算赛道与17年18年的DeFi赛道类似，不过也因此希望大家用更长远的眼光看待隐私计算，更早布局，才能从行业的发展中获得一定的收益。
GoodTalk5：Findora设计了怎样的通证经济模型？现阶段有哪些渠道能够获得FRA Token？
Lemon：最大供应量：210亿FRA（非通胀性）；投票权上限：单个验证节点的投票权上限为20%；具体奖惩机制方面，有2种FRA奖励和2种FRA惩罚：
1.奖励包括支付给每个区块前100名验证节点的FRA奖励和区块提议者奖金（支付给成功提议区块的单个一验证者）；
2.惩罚包括5%的重复签名惩罚和离线惩罚（当你的节点位列前100名验证节点但处于离线状态）。
你可以通过Gate.io交易所购买获得FRA Token。
GoodTalk：我们也注意到在Findora质押与通证经济中有两个关键规则，一个是动态区块奖励，另一个是投票权上限，能否请您介绍一下这套规则的设计理念与原理，它最终将会为生态甚至是持有者带来什么利益。
Lemon：当解锁Token的质押比例很低时，动态区块奖励将把FRA质押奖励率调整得更高。因为当押注的百分比很低时，更容易进行基于PBFT的攻击，所以在这些条件下增加奖励率将激励用户质押流通中的FRA，并使质押的百分比达到一个更安全的水平。
单一验证节点的最大投票权上限为20%，以帮助确保Findora保持拜占庭容错性（即防止⅓或更多的共识投票人作弊），任何单一验证人在确定共识时的投票权上限为20%--无论FRA的质押量为多少。
这两项机制的核心目的就是激励我们用户的质押参与以保证网络的安全性，但同时通过投票权上限保证我们区块链治理机制的去中心化。
GoodTalk：我们参与隐私计算的投资需要注意什么，Lemon能否给予我们一些建议？
Lemon：我个人对于在分析隐私计算赛道项目的建议主要是甄别团队本身的实力吧。因为隐私计算也是一个比较新兴的学术概念，相关技术的推动以及产品的落地都需要一个有很强学术背景的团队来支撑。比如拿Findora的团队举个例子，我们的创始人是 Lily Chao 与 John Powers. John Powers 是斯坦福250亿美金捐赠基金的前CEO，瑞士信贷对冲基金部门的联席主席。我们的产品副总裁Warren是前Ripple的产品负责人，以及我们的高级顾问Dr. Diffie是图灵奖获得者。
Findora是一个专注的组织，所有的技术努力都是围绕如何解决区块链可拓展性和隐私这两个问题。Findora 团队由来自麻省理工大学、斯坦福大学、卡耐基梅隆大学、哥伦比亚大学、康奈尔大学等知名院校。我们现在约有 50 人，其中工程师有 40 人，这是我们北美团队的组成，90%以上的人拥有博士以上学位。
GoodTalk：最后一个问题，在你看来，隐私计算最终将会走向何方，我们是否已经错过了最佳的入场机会？
Lemon：2017年1月份的时候，工信部它在大数据产业发展规划里面，就已经把隐私计算的技术作为说我们要突破这样一个技术；2019年的时候是央行也有金融科技发展规划里面，也已经把隐私计算相关的一个技术要充分利用去提高安全性；然后2020年4月份，国家是有两个关于数据要素市场的文件，然后到今年数据安全法已经发布了，个人信息保护法也是即将发布。
所以“合规性”将是推动隐私计算行业未来发展的一大动力，而且对于数据使用的监管的加强这也是个必然的发展趋势，所以可以比较肯定地告诉大家肯定还没有错过入场的机会。
GoodTalk：今天的直播分享到此结束，感谢大家今天的陪伴，特别感谢一下各位战略媒体伙伴对GoodTalk的大力支持！
以上问题和回答就是“小白必备攻略，不得不看的隐私计算赛道8问！”直播的所有内容（内容略有删减），GoodTalk期待下期与你的再次相见。
浪花财经
星期四 2021-07-22 16:55:00
