Тезис о преимуществах, получаемых бизнесом от использования технологий и инструментов больших данных, сегодня не требует доказательств. Ставшие уже хрестоматийными примеры можно найти практически во всех отраслях экономики. Кредитный скоринг и анализ паттернов поведения клиентов, в финансовом секторе, динамическое ценообразование, персонализация клиентских предложений, прогнозирование спроса и оптимизация логистики в ретейле, контроль качества продукции и предиктивное обслуживание в промышленности, анализ визуальных изображений в медицине и т.п. Аналитика больших данных широко использует модели машинного обучения и большие языковые модели, для обучения и дообучения которых необходимы такие объемы данных, которыми не располагает отдельная организация. Эффективный Data Sharing (обмен данными), позволяющий объединить данные, владельцами которых являются разные организации, решает проблему нехватки данных, но при этом создает угрозу нарушения конфиденциальности.
Решением проблемы является использование технологий конфиденциальных вычислений. По определению, приведенном в аналитическом обзоре ассоциации Финтех, конфиденциальные вычисления объединяет различные методы обработки и анализа данных без раскрытия их исходного содержания неавторизованным сторонам.
Выделяют две большие группы технологий конфиденциальных вычислений: аппаратные и программные.
Аппаратные методы создают доверенную среду выполнения, позволяющую проводить вычисления в защищенных контейнерах. Например, выделяют защищенные области памяти процессора, недоступные для операционной системы, обеспечивая тем самым высокий уровень изоляции и защиты данных.
Программные технологии конфиденциальных вычислений включают криптографические алгоритмы, выполняющие вычисления с зашифрованными данными или проверяющими информацию, без раскрытия исходных данных. К программным методам конфиденциальных вычислений относят: гомоморфное шифрование, шифрование на основе постквантовых алгоритмов, безопасные многосторонние вычисления, доказательства с нулевым разглашением, фейеровое шифрование и некоторые другие методы. Безусловным преимуществом является то, что эти алгоритмы и криптографические протоколы не требуют специализированного аппаратного обеспечения и могут работать на обычном оборудовании. Возможны и гибридные программно-аппаратные решения.
Технологии конфиденциальных вычислений уже успешно применяются в тех кейсах, где важен результат обработки данных, а не сами данные (банковский и страховой скоринг, антифрод). Есть информация как об отдельных экспериментальных проектах, так и о представленных на рынке тиражируемых программных решениях. В Газпромбанке апробирован алгоритм конфиденциального обучения для построения модели оценки вероятности дефолта юридических лиц. Скоринговая платформа Bloomtech позволяет нескольким банкам совместно использовать транзакционные данные для расчета скоринговых баллов, при этом каждый банк полностью контролтрует данные своих клиентов и никуда их не передает.
Крайне востребованными конфиденциальные вычисления могут стать в сценариях объединения разнородных данных. Пример, при объединении медицинских данных пациентов для различных аналитических целей без нарушения врачебной тайны. Рассматривается возможность применения конфиденциальных вычислений для межведомственного обмена данных юридических лиц без нарушения коммерческой тайны.
Как отмечает Морозова Ольга Анатольевна, доцент кафедры «Финансовые технологии» Финансового университета при Правительстве Российской Федерации, конфиденциальные вычисления могут стать одним из дополнительных слоев комплексной системы безопасности, защищающей данные в момент их обработки.
Компания Гартнер поместила конфиденциальные вычисления в чисто десяти ключевых стратегических технологических трендов 2026 года наряду с мультиагентными системами, языковыми моделями для конкретных доменов, платформами разработки, ориентированными на AI. Эти технологии позволяют создавать интеллектуальные решения и при этом защищать чувствительные для бизнеса данные.