背景

随着数字经济的发展，数据已成为各机构的核心资产之一，通过数据流通提高数据资产价值的需求不断增加。同时，国家和有关机构对数据安全和隐私保护的要求和监督也越来越严格。如何打破数据岛，在保护隐私、满足合规要求的前提下实现数据流通，已成为企业关注和亟待解决的问题。

例如，在广告行业，广告商和广告平台都有自己的用户数据。为了保护商业秘密，满足安全隐私的合规要求，需要在不直接共享用户数据的情况下进行准确的营销和广告效益评估。例如，在准确的营销场景中，广告主持广告粗筛目标人群包，希望推荐给特定的用户群。如果将所有粗筛人群包直接发送到广告平台进行处理，平台将获取未落入目标人群的数据，导致特定集合以外的用户信息泄露，无法保护数据的隐私和安全，不符合安全合规要求。包中未落入目标人群的数据，导致特定集合以外的用户信息发生泄漏，无法保护数据的隐私安全，也不符合安全合规的要求。

Jeddak数据安全沙箱

为应对上述挑战，火山引擎云安全安全研究团队推出了Jeddak数据安全沙箱，以可信执行环境为核心，为用户提供安全、高效、通用的广告筛选、归因分析等隐私计算能力，现已服务于金融信贷公司，为国内广告平台用户隐私提供安全保障。

Jeddak数据安全沙箱提供的保障来自于两个层面：

在计算层面，沙箱实现了广告全过程的密文计算，广告商和广告平台只需要分别加密自己的数据，安全地传输到沙箱的Enclave进行数据集成。Enclave是一个由TEE硬件安全技术保护的安全保险箱，在隐私计算下运行广告服务。在Enclave安全特性的保证下，其他实体无法修改运行的服务逻辑，也无法窥探保险箱中的数据。计算任务完成后，平台侧只能获得预期的人群包或归因分析结果，避免了广告商数据直接提供给平台的合规风险。

在数据层面上，沙箱希望进一步消除用户对方案选择的担忧，比如简单信任TEE硬件技术的保障。在这方面，我们创新设计并引入了信任分割技术——在广告中，广告商和（甚至多个）平台之间的秘密参数，基于秘密参数进入沙箱数据混淆，使即使攻击者获得沙箱中间数据，仍然无法引入原始信息，通过信任分割将沙箱转换为弱敏感数据计算节点，缓解侧信道攻击带来的硬件系统风险。

我们对沙箱方案进行了优化，包括分治和多过程。与纯软件隐私保护方案相比，在性能上体现了显著的优势，如人群包筛选服务。初步优化后的沙箱方案比现有软件最佳实践方案快10倍以上，1小时内可完成广告商千万级和广告平台十亿级的筛选任务，大大降低了金融信贷客户广告任务的实施效率，为后续广告归因、实时定价和用户群行为建模提供了安全高效的实施渠道。

一般来说，数据安全沙箱结合可信硬件和信任分割机制，保证工作模式的安全，既能防范纯硬件方案的单一信任风险，又能解决纯软件方案算法适应性、开发效率和执行效率低的问题。

在其他领域实践。

除了应用于广告领域外，沙箱产品还在联合营销、政府疫情防控、盛鑫大数据分析等场景下，帮助客户安全合规地使用数据，挖掘多方数据的价值。

面对多种场景，沙箱建立了通用的计算引擎和算法仓库，如支持基于Tensorflow/Pytorch的多源数据集成的机器学习，支持基于Spark的大数据分析处理，基于联盟链的状态存储和验证能力，方便用户在不同场景下定制和使用隐私计算。当沙箱与各种安全运行兼容时，将逐步适应各种底层TEE硬件平台，降低用户开发部署TEE应用的门槛。

此外，数据安全沙箱开发了集成加速引擎，可定制为多安全计算、联邦学习等计算过程提供加速能力，可提高纯软件隐私计算方案的执行效率，数据安全沙箱可提高隐私收集、垂直联邦学习等过程的执行效率。

结语

如何有效打破数据岛，完成隐私合规要求下数据要素的安全流通，实现真正高效易用的数据可用不可见过程，仍是Jeddak数据安全沙箱不断探索和尝试突破的长期命题。

未来，Jedak数据安全沙箱将朝着开源、通用、自主可控的方向发展，深入行业实际应用场景，努力为用户带来丰富便捷的安全计算功能。