1.1　隐私计算基本概念
1.1.1　国外隐私计算定义
1.1.2　国内隐私计算定义
1.2　隐私计算作用
1.2.1　助力数据要素市场化配置
1.2.2　成为防范数据泄露突破口
1.2.3　促进多方数据安全合规协作
1.2.4　促进大数据进入新发展阶段
1.3　数据流通相关介绍
1.3.1　数据流通模式差异性
1.3.2　数据流通技术模式类型
1.3.3　数据流通应用场景类型
1.3.4　数据流通面临的挑战

2.1　数据安全行业概述
2.1.1　数据安全定义
2.1.2　数据安全体系
2.1.3　数据安全治理理念
2.2　中国数据安全行业发展情况分析
2.2.1　数据安全行业驱动因素
2.2.2　数据安全行业发展现状
2.2.3　数据安全行业竞争格局
2.2.4　数据安全行业发展挑战
2.2.5　数据安全行业发展措施
2.3　典型行业数据安全需求分析
2.3.1　政务数据安全需求
2.3.2　企业数据安全需求
2.3.3　金融行业数据安全需求
2.4　数据安全行业发展机遇及趋势
2.4.1　数据安全行业发展机遇
2.4.2　未来数据安全维护趋势
2.4.3　全球数据安全治理趋势
2.4.4　中国数据安全发展趋势

3.1　全球隐私计算相关政策支持
3.1.1　欧盟发布技术指南
3.1.2　美国发布数据法案
3.1.3　英国设立研究机构
3.2　全球隐私计算行业发展情况
3.2.1　隐私计算市场需求
3.2.2　隐私技术发展历程
3.2.3　机密计算联盟成立
3.2.4　隐私计算专利分布
3.2.5　企业相关布局动态
3.3　全球隐私计算技术应用实践
3.3.1　欧洲
3.3.2　美国
3.3.3　其它地区

4.1　国内隐私计算行业政策环境
4.1.1　行业主要政策概览
4.1.2　数据安全法影响分析
4.1.3　网络安全产业计划
4.1.4　个人信息保护法发布
4.1.5　大数据算力枢纽方案
4.1.6　网络数据安全管理条例
4.1.7　地方相关政策支持分析
4.2　国内隐私计算行业发展分析
4.2.1　行业技术发展现状
4.2.2　行业企业发展情况
4.2.3　主要隐私计算平台
4.2.4　行业应用领域分析
4.2.5　行业商业模式发展
4.2.6　行业标准化发展情况
4.3　隐私计算行业参与主体分析
4.3.1　隐私计算产业生态
4.3.2　隐私计算技术应用方
4.3.3　隐私计算技术产品提供方
4.3.4　隐私计算领域科研机构
4.3.5　隐私计算产品评测机构
4.4　隐私计算行业合规分析
4.4.1　提升数据流通的合规性
4.4.2　隐私计算方案合规要求
4.4.3　隐私计算合规路径探索
4.5　隐私计算行业面临挑战
4.5.1　安全性挑战影响市场信任
4.5.2　性能瓶颈阻碍规模化应用
4.5.3　平台互联互通壁垒问题
4.6　隐私计算行业发展建议
4.6.1　健全法律法规
4.6.2　构建标准体系
4.6.3　培育数据要素市场

5.1　金融行业隐私计算应用背景
5.1.1　国内金融行业发展现状
5.1.2　金融科技布局态势分析
5.1.3　数据要素市场有待完善
5.1.4　金融数据融合应用需求
5.1.5　隐私计算助力行业安全发展
5.2　金融行业隐私计算应用发展情况
5.2.1　金融隐私计算相关标准
5.2.2　金融隐私计算试点情况
5.2.3　隐私计算主要金融应用场景
5.2.4　隐私计算金融营销场景应用
5.2.5　隐私计算金融风控场景应用
5.2.6　金融科技创新监管试点应用
5.3　金融行业应用隐私计算技术分析
5.3.1　金融隐私计算参与主体
5.3.2　金融隐私计算技术方法
5.3.3　金融隐私计算技术方案
5.3.4　金融隐私计算模式架构
5.3.5　金融隐私计算生态建设
5.4　金融行业隐私计算应用发展思路
5.4.1　制定金融业数据生态规划
5.4.2　体系性布局数据生态建设
5.4.3　生态赋能典型场景应用
5.5　金融机构隐私计算应用情况
5.5.1　工商银行
5.5.2　光大银行
5.5.3　交通银行
5.5.4　平安银行

6.1　医疗领域
6.1.1　医院信息化发展现状
6.1.2　医院安全设备建设
6.1.3　医疗物联网安全发展
6.1.4　隐私计算需求分析
6.1.5　隐私计算应用场景
6.1.6　隐私计算应用案例
6.2　政务领域
6.2.1　政务信息化发展情况
6.2.2　政务数据开放情况
6.2.3　政务数据安全风险
6.2.4　隐私计算需求分析
6.2.5　隐私计算应用场景
6.2.6　隐私计算应用案例
6.3　工业互联网领域
6.3.1　工业互联网平台发展态势
6.3.2　工业互联网平台安全建设
6.3.3　工业互联网隐私计算应用
6.4　其他领域应用潜力
6.4.1　能源互联网
6.4.2　汽车互联网
6.4.3　数据跨境流动

7.1　隐私计算技术发展态势
7.1.1　隐私计算技术体系
7.1.2　隐私计算相关技术
7.1.3　隐私计算技术路径
7.1.4　隐私计算企业定位
7.1.5　隐私计算专利分析
7.2　隐私保护相关传统技术
7.2.1　数据脱敏技术
7.2.2　假名化技术
7.2.3　传统技术的限制
7.3　同态加密技术
7.3.1　技术介绍
7.3.2　算法组成
7.3.3　技术应用
7.3.4　国外技术发展
7.3.5　国内技术突破
7.4　多方安全计算技术
7.4.1　技术概念
7.4.2　技术模式
7.4.3　关键技术
7.4.4　技术优劣势
7.4.5　国内主要厂商
7.4.6　应用场景案例
7.5　联邦学习技术
7.5.1　技术概念
7.5.2　技术模式
7.5.3　技术种类
7.5.4　技术优劣势
7.5.5　国内主要厂商
7.5.6　应用场景案例
7.6　差分隐私技术
7.6.1　技术概念
7.6.2　技术优劣势
7.6.3　国内主要厂商
7.6.4　应用场景案例
7.7　机密计算技术
7.7.1　技术概念
7.7.2　支撑技术
7.7.3　技术优劣势
7.7.4　国内主要厂商
7.7.5　应用场景案例
7.8　可证去标识技术
7.8.1　技术简介
7.8.2　技术优劣势
7.8.3　国内主要厂商
7.8.4　应用场景案例

8.1　区块链行业发展情况
8.1.1　国外区块链技术发展
8.1.2　区块链市场发展情况
8.1.3　国内区块链政策支持
8.1.4　国内区块链技术应用
8.1.5　国内区块链技术平台
8.2　隐私计算领域区块链技术发展情况
8.2.1　技术应用价值
8.2.2　技术应用现状
8.2.3　技术发展现状
8.2.4　技术融合优势
8.2.5　平台架构应用
8.3　隐私计算结合区块链典型解决方案
8.3.1　机构间联合风控
8.3.2　机构间联合营销
8.3.3　机构间联合数据运营
8.3.4　可信协作与跨链取证
8.3.5　链上数据分析与核验
8.3.6　第三方外包数据处理
8.3.7　可计量价值数据资产流转
8.4　基于区块链的隐私计算平台实例
8.4.1　蚂蚁摩斯安全多方计算平台
8.4.2　PlatONE
8.4.3　Enigma
8.4.4　Avalon

9.1　蚂蚁集团
9.1.1　企业发展概况
9.1.2　企业经营情况
9.1.3　企业合作动态
9.1.4　隐私计算产品
9.2　翼方健数
9.2.1　企业发展概况
9.2.2　企业融资情况
9.2.3　隐私计算平台
9.2.4　企业应用案例
9.3　锘崴科技
9.3.1　企业发展概况
9.3.2　企业融资情况
9.3.3　企业核心技术
9.3.4　企业解决方案
9.4　微众银行
9.4.1　企业发展概况
9.4.2　银行经营状况
9.4.3　银行业务领域
9.4.4　银行竞争优势
9.4.5　隐私计算应用
9.4.6　产品发布动态
9.4.7　银行发展战略
9.5　华控清交
9.5.1　企业发展概况
9.5.2　企业融资情况
9.5.3　主要产品分析
9.5.4　企业合作动态
9.6　洞见科技
9.6.1　企业发展概况
9.6.2　企业核心技术
9.6.3　隐私计算产品
9.6.4　企业融资情况

10.1　隐私计算行业投融资分析
10.1.1　行业投融资情况
10.1.2　行业投融资阶段
10.1.3　行业投融资来源
10.2　隐私计算行业发展趋势分析
10.2.1　行业迎来政策机遇
10.2.2　“十四五”行业发展方向
10.2.3　大数据行业需求趋势
10.2.4　多方生态融合趋势
10.3　隐私计算行业技术发展展望
10.3.1　计算性能优化方向
10.3.2　多元技术融合趋势
10.3.3　隐私计算应用落地
10.3.4　企业技术定位趋向