笔者曾经写过一篇《金融机构如何选择隐私计算技术和公司》（公号：高声谈，进门左转）的文章，主要从隐私计算技术的特长出发讲不同场景下的优选问题，同时也罗列了一些隐私计算公司的判断维度和测试方法。此次，我们从更深一个层面探讨金融机构如何设计隐私计算平台和技术框架。

隐私计算的另一种分类

我们常见的分类是按照需求场景分类，可分为：单向查询类、联合统计类、风控建模类、精准营销类等；还有一些分类是按照技术路径...

笔者持续看好信保行业的发展，在上篇文章《信保业务2.0：信贷供给侧改革的下个风口——信保系列谈之十二》（公号：高声谈进门左转）中阐述了部分原因。

从监管环境看，P2P市场出清、大幅提高互联网小贷注册和运营门槛、限制联合贷款比例、要求区域性银行回归服务本地，限制并压缩部分银行的线上贷款规模以及《地方金融监督管理条例（草案征求意见稿）》等一系列政策的出台，大幅压缩了银行、P2P、网络小贷和保理等7类地方金融组织...

在笔者文章《隐私计算的破局之道》（公号：高声谈进门左转）中提到，在考虑实用性前提下，基本上所有隐私计算产品均无法应对恶意攻击：联邦学习在投毒攻击、对抗攻击及隐私泄露这三类问题上始终存在安全性和模型鲁棒性之间的矛盾（详见《联邦学习安全与隐私保护研究综述》<西华大学学报自然科学版2020年7月第39卷第4期>）；对于多方安全计算，网络攻击导致的拥塞、计算任务超时至少会使计算性能进一步成为瓶颈；对于可信执行环境，...