如果你对隐私计算典型应用场景感兴趣的话医疗问答的应用场景，可以下载原报告阅读更多相关内容。

1.隐私计算+金融：隐私计算应用已较为成熟

金融机构与外部数据源的合作过程中存在的风险主要来源于两个方面：一是涉及大量个人用户信息，受到的监管要求严格；二是机构自身业务 积累的数据资产和商业秘密容易泄露。而利用隐私计算，金融机构之间、金融机构同运营商、互联网、电商平台之间等可以在不泄露原始信息 的前提下对客户进行联合的精准画像，在信贷评估、产品推荐等场景下有效控制违约风险，提高业务效率。

在金融科技深刻赋能业务的进程中，外部数据的共享应用成为金融机构的强烈需求，金融风控和获客成为目前国内最主要的隐私计算落地场景。

2.隐私计算+医疗：隐私计算发展驶入快车道

医学研究、临床诊断、医疗服务等对大数据统计分析与应用挖掘有强烈需求，但其依赖的是众多病患的个人健康数据，这些数据规模大、价值 含量高，但共享流通困难。利用隐私计算，建立分散存储的标准化数据库，可以实现分布式的联合统计分析，从而获得临床科研的研究成果。

在抗击新冠肺炎疫情的过程中，隐私计算助力实现了全球范围内的疫情数据共享，基于多方安全计算等技术实现了允许用户在不公布己方数据 的前提下，联合其他科研人员协同进行病例样本基因组的联合分析并共享结果，成为助力抗疫情的一把利剑。

3.隐私计算+政务：政务领域场景实践处于探索阶段

作为跨机构间数据流通的重要参与主体，政务行业有望成为隐私计算技术落地的下一个重要场景。政务数据的规模大、种类多、蕴含价值高， 涉及公安、交通、税务、环境等各类人民生产生活和社会运行的数据，政务数据的流通与应用将释放巨大能量。

各地政府积极推进政务数据的开放共享，但不同部门之间的数据孤岛难以快速消除医疗问答的应用场景，且政务数据涉及社会民生，数据合规和安全管控要求更加 严格。因此，隐私计算为此提供了解决方案，在跨机构之间的个人身份确认、企业经营监管、智慧城市建设等众多场景中均有广阔的应用前景， 且在部分地方政府的相关规划里，已经有所涉及。