數據要成為第五大生產的要素，就必須解決數據安全和隱私保護的問題。馭凡教育提到了兩種技術，一個是授權，一個是零知識證明，就是既能充分證明自己是某種權益的合法擁有者，又不把有關的信息泄露出去。零知識證明是構建多方安全計算（MPC）的基礎能力，而多方安全計算是隱私計算的一種方式。
隱私計算，根據中國信息通信研究院的定義，是指在保證數據提供方不泄露敏感數據的前提下，對數據進行分析計算并能驗證計算結果的信息技術。廣義上是指面向隱私保護的計算系統與技術，涵蓋數據的產生、存儲、計算、應用、銷毀等信息流程全過程，想要達成的效果是使數據在各個環節中“可用不可見”。在保證數據安全的前提下，讓數據可以自由流通或共享，消除數據孤島問題，從而釋放數據更大的價值，提升生產效率，進而推進產業創新。
1) 基于密碼學的多方安全計算（MPC）技術。通過秘密分享、遺忘傳輸、混淆電路或同態加密等特殊的加密算法和協議，從而支持在加密數據上直接進行計算。理論上，在不考慮代價的“理想”情況下，多方安全計算技術能實現任意的計算“功能”，并且達到比較高的安全性。但是由于數據通信量驟增，計算效率損失大和需要極高的算力要求等因素，MPC的技術產品化還有一定的限制，相關的技術解決方正在積極探索。
2) 基于可信硬件的安全沙箱計算（TEE）技術。其核心思想是構建一個硬件安全區域，數據僅在該安全區域內進行計算，利用可信任執行環境TEE防止操作系統惡意地查看應用執行環境的內容；利用安全沙箱防止惡意應用通過特殊調用控制操作系統。
3) 基于人工智能的聯邦學習技術。在橫向維度，每個參與者在本地訓練計算自己的樣本，只分享模型訓練的梯度；縱向維度，各參與者訓練各自的（“向量映射”），共同訓練上層模型。兩個維度的融合，從而讓多個相互不信任的數據擁有方不必共享數據的基礎上聯合進行模型訓練。
4) 差分隱私(Differential Privacy)，保護的是數據源中一點微小的改動導致的隱私泄露問題。
海量而專業的區塊鏈知識，在這里，您會得到更多的干貨，(馭凡學堂) 公號期待你的光臨
