隐私计算（Privacy Computing）是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。隐私计算的参与方既可以是同一机构的不同部门，也可以是不同的机构。在隐私计算框架下，参与方的数据明文不出本地，在保护数据安全的同时实现多源数据跨域合作，可以破解数据保护与融合应用难题。

联邦学习是指多机构之间利用隐私计算技术联合建模，常用于联合风控、精准营销场景。

安全多方计算是指多机构之间利用隐私计算技术联合查询统计，常用于多头借贷查询、黑名单查询。

隐私计算是当前数据保护领域各界关注的热点。近年来有关隐私计算的学术会议和论文呈现爆发式增长，各企业单位都争相投入隐私计算研发和产品化工作，有多家公司都推出了自己的隐私计算平台产品，并开始进行隐私计算在金融、医疗等领域的商用落地。不管是从外部环境还是公司业务发展角度来看，开展隐私计算研究都具有重要的意义

隐私计算是符合越来越严格监管要求的必然选择，是促进跨企业、跨部门数据协作的关键路径，是树立企业负责可信形象，践行企业的数据保护责任的技术基础，是公司科技能力输出的重要组成。