3月7日，由洞见科技（InsightOne Tech Co., Ltd）牵头并担任主席单位，联合腾讯、大连理工大学、中国信通院、国家工信安全中心、中国移动、国家电网、招商银行、浦发银行、蚂蚁集团、京东、华控清交等二十余家隐私计算领域“政产学研用”关键机构共同制定的《IEEE Standard for Interworking Framework for Privacy-Preserving Computation》（IEEE Std 3117™-2024）标准正式发布，该标准是全球首个隐私计算互联互通国际标准。
IEEE P3117标准致力于解决当前隐私计算领域因平台异构性导致的“计算孤岛”问题，旨在通过统一的技术框架实现跨平台协作，同时保障数据隐私与安全。随着隐私计算技术的广泛应用，各类平台在算法原理、系统设计和实现上的差异日益凸显，导致数据提供方需部署多个独立平台以满足不同合作需求，造成资源浪费。为此，该标准提出了一套分层架构与标准化协议，支持异构平台在不暴露内部细节的前提下协同完成任务，适应技术迭代与业务扩展需求。
该标准基于隐私计算互联互通建立技术框架，定义了实现不同隐私计算平台之间互联互通所需的节点、资源、算法组件等功能，适用于多方安全计算（MPC）和联邦学习（FL）技术路径下隐私计算跨平台互联互通的设计、开发、测试和维护。
IEEE P3117标准的技术框架分为通信层、节点层、资源层、计算层和编排层。通信层作为基础，定义了控制通信与数据通信的接口，采用HTTP协议确保传输稳定性，并通过数字证书或令牌认证机制保障节点身份可信。节点层聚焦于节点的动态管理，涵盖认证、授权、发布与发现功能，构建可信的协作网络。资源层抽象化硬件与软件资源，通过发布、认证和动态授权机制实现资源共享。计算层标准化了算法模块的交互流程，支持跨平台复用成熟的计算组件。编排层则协调任务分发与资源调度，通过容器化技术实现算法在不同平台间的无缝迁移。这种分层设计既保证了各功能模块的独立性，又通过统一接口实现了跨层协作。
该标准的应用场景覆盖政务、金融、通信、能源、医疗等多个领域。例如，金融机构可通过跨平台联邦学习模型联合分析用户数据，避免原始信息泄露；医疗机构在共享病例数据训练AI模型时，能够通过跨平台多方安全计算保护患者隐私。其行业意义不仅在于降低多平台重复部署的成本，还通过资源整合与算法复用提升效率，同时为合规性提供技术支撑，满足GDPR等数据隐私法规要求。
作为领先的隐私计算与密态智能科技服务商，洞见科技不仅是隐私计算标准的引领者，已深度参与制定100余项隐私计算、密态智能与数据要素领域关键技术标准，还是隐私计算跨平台互联互通的倡导者与实践者，牵头及主导了隐私计算互联互通所有技术标准的制定，并率先在通信、银行、支付、工业、互联网等五大领域与行业头部客户联合落地了多个隐私计算互联互通标杆示范案例。未来，洞见科技将继续发挥自身在隐私计算与密态智能上的领先技术、市场占有率及行业影响力优势，携手各界一道构建密态数据计算网络，赋能数据价值安全释放，发挥融合数据智能的新质生产力作用。
IEEE Std 3117™-2024参编单位名单：