隐私计算融合了多种技术，从技术角度看，隐私计算可分为 3 大技术方向：

1. 多方安全计算：多方安全计算是在无可信第三方的情况下，多方共同参与计算一种目标函数。使用这种隐私计算方式，每一方只能获得自己的数据，无法推算出其他参与方的数据。
   
2. 联邦学习：使用联邦学习，原始数据无需出库，通过加密中间数据流通即可完成多方联合的横向和纵向学习。
   
3. 可信执行环境：可信执行环境是通过软件硬件相结合的方式在中央处理器中建立一个安全区域，以保证其中加载数据的安全性。

隐私计算具有保护敏感数据信息，降低数据风险的特点，主要应用于以下场景：

1. 金融领域：金融机构将隐私计算应用于联合风控、联合营销、反洗钱等场景，可强化数据技术与金融业务的深度融合。
2. 政务领域：隐私计算可推动智慧城市、数据基础设施建设，还能支持企业投融资、普惠金融等活动，促进公共数据和社会数据的深入融合。
3. 医疗领域：隐私计算能够提升保护数据安全能力，为辅助决策、医学研究提供有效的技术支持。