近期，联合国大数据工作组发布了新的隐私指南——《The UN Guide on Privacy Enhancing-Technologies (PETs) for Official Statistics》（联合国官方统计隐私增强技术（PETs）指南）。
该报告的前几章展示了隐私增强技术作为各种方法和途径的先驱，如何在实际应用中站稳脚跟。同态加密、安全多方计算、差分隐私、联邦学习、零知识证明和可信执行环境是针对使用敏感数据时降低隐私风险的有效隐私技术，报告对这些技术做了全面介绍。
其中最大的亮点，是18个遍及全球的隐私增强技术典型使用案例，案例涉及政府部门、民营企业和多个合作组织，也涵盖了各种隐私增强技术和各类具体的使用场景，让我们一一来看一下：
1. 波士顿女性劳动力
2. 欧洲统计系统
开发可信的智能调查技术
3. 欧盟统计局
处理长期移动网络运营商数据
4. 印度尼西亚旅游部
通过可信执行环境在两个移动网络运营商之间机密共享数据集
5. 意大利国家统计研究所和意大利银行
使用保护隐私的记录链接丰富数据分析
6. 英国国家统计局
在英国国家统计机构试验使用合成数据
7. 三星SDS（韩国）
保护隐私的数据聚合系统
8. 加拿大统计局
使用隐私求交测量数据源的覆盖范围
使用分级同态加密训练用于私有文本分类的机器学习模型
试用合成数据
9. 韩国统计局
开发隐私保护的统计数据中心平台
10. 荷兰统计局
从分布式临床和社会经济数据中开发保护隐私的心血管风险预测模型
使用隐私求交测量电子健康解决方案的有效性
11. Twitter和Openmineed
推进未发布数字资产的第三方审计和研究可重复性
12. 联合国欧洲经济委员会
试验保护隐私的联邦机器学习方法
13. 联合国隐私计算增强实验室
国际贸易数据对账和联合分析
14. 美国人口普查局
为2020年美国人口普查部署差分隐私披露避免系统
15. 美国教育部
使用保护隐私的记录链接分析学生财政援助数据
《指南》全文免费下载方式：关注“隐私计算联盟”公众号，后台回复“隐私增强技术指南”即可获取下载链接。
来源：openmpc
