36氪首发 | 让数据“可用不可见”，「锘崴科技」获启明数千万元A轮融资

36氪获悉，大数据隐私计算公司锘崴科技宣布已完成A轮数千万元人民币的融资，本轮融资由启明创投独家投资。

锘崴科技是一家做数据隐私保护的人工智能安全计算公司，核心团队来自硅谷。根据工商信息，杭州锘崴科技于2020年2月完成股东变更。新增出资方包括苏州工业园区启明融科股权投资合伙企业（有限合伙）、苏州启明融盈创业投资合伙企业（有限合伙）。

锘崴科技创始人王爽教授表示，“本轮融资资金主要用于吸纳隐私计算、人工智能技术开发的人才，优化公司核心产品—锘崴信隐私云计算平台，打造完整的市场开发和销售团队，寻找更多落地应用场景商业合作伙伴，形成商业模式闭环。”

数字经济时代，数据是政府、企业和个人的核心资产，数据的全生命周期加密处理是保护数据核心资产的最有效手段之一。但在数据价值链中，加密后数据在计算过程中的处理问题则成为数据价值转化的瓶颈。传统的方式是要求先解密数据再进行计算，这给数据安全产生了巨大隐患。

解决上述数据安全缺口是一个两难的命题，一方面需要提供可以被用来进行计算的数据，另一方面被提供出来的数据中的敏感信息必须实现“不可触及”，即让数据计算分析方不能知道数据拥有者的敏感数据的同时，又能准确地向数据使用者返回数据运算的结果。能够解决这一两难问题的技术，被统称为密文计算——数据“可用不可见”。这也是去年开始创投圈经常提到的“隐私计算”。

为此，锘崴科技打造了“锘崴信隐私云计算平台”，希望实现数据“可用不可见”，在计算过程中避免敏感的原始数据泄露风险，保护用户的隐私信息和商业机密。据悉，该平台采用软硬件加密计算技术（如多方安全计算、同态加密、可信计算环境）、联盟计算技术、区块链溯源技术以及可定制的超融合基础构架技术，在合法合规框架下有效地实现保护数据所有方、数据使用方和数据监管等方权益情况下的多中心多维度实时数据分析，有效解决数据在存储、传输和计算的全流程中的隐私保护问题，并且保证计算流程的完整性和真实性。

锘崴科技表示，公司的解决方案已在医疗健康、金融等对大数据安全和隐私保护需求迫切的领域落地。

锘崴科技当前阶段重点在医疗信息垂直领域，希望在保证医疗生物信息大数据安全和隐私保护的前提下进行数据价值开发。锘崴科技告诉36氪，公司已与中国医疗信息大数据国家队开展深度合作，利用隐私计算技术，依托数据隐私云计算平台和一体机两大产品线，保障本地及云端的医疗数据隐私和安全。

目前合作的案例中，锘崴科技的解决方案，让相关各级医院实现医疗生物数据安全流转和共享，为新冠病毒肺炎疫情监控和分析、新药研发、药物警戒研究和全民健康监管等提供帮助。

除医疗领域外，锘崴科技的“锘崴信隐私云计算平台”也希望在其他领域应用。目前，锘崴科技在金融科技领域为对冲基金的量化策略提供人工智能数据分析支持及核心交易策略隐私保护；在个人征信领域为大数据公司提供数据查询反馈的同时保护了个人隐私数据不受侵犯，防止个人信息泄漏；以及为其他一系列数据隐私计算场景提供服务。

隐私计算是一个技术门槛很高的行业。既需要团队有专业技术背景，也需要团队有强工程能力。锘崴科技拥有在大数据隐私计算、生物医学信息领域背景的核心团队，公司由隐私计算科学家王爽教授领衔、生物信息科学家郑灏博士共同创立。

王爽教授2018年入选中国国家青年海外高层次人才，曾任UCSD（加州大学圣迭戈分校）助理教授，现任上海同济大学医学院副教授和四川大学华西医院特聘研究员，一直研究隐私计算，发表了百余篇科研论文，获得多个国际专利/软件著作权。王爽教授同时担任领域内多本旗舰杂志如Nature Biotechnology等的审稿人，多个国际期刊客座编辑或特刊主编。曾主持美国国立卫生研究院的多个项目，参与项目总金额达数千万美元。2014年，王爽教授作为联合创始人组织并创办了iDASH全球隐私保护大赛。王爽教授领导开发的“大规模基因数据安全分析系统”获得了Intel公司颁发的“杰出贡献奖”。

联合创始人郑灏博士是美国Georgia Tech生物信息学博士，硅谷资深科学家。发表著作20余篇，拥有10余项专利/软件著作权，担任Elsevier DSP杂志编辑、Briefings in Bioinformatics等国际权威杂志评审，亦是国际生物信息学和计算生物学大会委员会成员。郑灏博士带领团队研发的多个基因测序产品通过FDA和CE-IVD认证。

此外，来自启信宝的信息显示，创始顾问汤海旭，为Indiana University生物信息学教授，iDASH联合发起人。创始顾问王晓峰，为Indiana University CS教授，iDASH发起人，ACM SIGSAC副主席， ACM CCS共同主席。

当前，在客观现实中，数据流动存在它的合理性和必然性。数据流动产生价值，但同时，数据流动过程中不经节制的应用，也会带来数据隐私侵犯的隐患。为了解决数据挖掘和隐私的两难，数据隐私计算的概念应运而生。随着《密码法》、GDPR、《APP违法违规收集使用个人信息行为认定方法》等全球范围内针对数据隐私的法律法规陆续出台，数据隐私保护成为当下热点。