隐私计算（Privacy-preserving Computation）是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，它结合了密码学、统计学、计算机体系结构和人工智能等学科，实现数据“可用、不可见”，从而在充分保护数据和隐私安全的前提下，完成数据价值的转化和释放。主流的技术路线有面向精确计算的安全多方计算、面向机器学习建模和预测的联邦学习，以及面向集中计算的可信执行环境。
