如果数据要成为第五大生产要素，就必须解决数据安全和隐私保护问题。伊凡教育涉及两种技术，一种是授权技术，另一种是零知识证明技术，即它可以充分证明自己是某些权益的合法所有者，而不披露相关信息。零知识证明是构建多方安全计算(MPC)的基本能力，多方安全计算是一种隐私计算方式。

隐私计算，根据中国信息通信学会的定义，是指在保证数据提供者不泄露敏感数据的前提下，对数据进行分析、计算和验证计算结果的信息技术。广义上讲，它是指用于隐私保护的计算系统和技术，涵盖了数据的生成、存储、计算、应用、销毁等全过程。期望的效果是使每个链接中的数据"不可见"。在保证数据安全的前提下，数据可以自由流通或共享，消除数据孤岛问题，从而释放更大的数据价值，提高生产效率，进而促进产业创新。

1)基于密码学的多方安全计算(MPC)技术，通过秘密共享、遗忘传输、混淆电路或同态加密等特殊加密算法和协议，支持加密数据的直接计算，从理论上讲，多方安全计算技术可以实现任意计算"功能"，在不考虑成本"理想"的情况下实现高安全性，但由于数据流量的突然增加、计算效率的损失和对计算能力要求极高等因素的需求，MPC的技术产品仍有一定的局限性，相关的技术解决方案也在积极探索。

2)基于可信硬件的安全沙箱计算(TEE)技术，其核心思想是构造一个硬件安全区，仅在安全区域计算数据，使用可信执行环境TEE防止操作系统恶意查看应用程序执行环境的内容，使用安全沙箱防止恶意应用程序通过特殊调用控制操作系统。

3)基于人工智能的联邦学习技术。在水平维度上，每个参与者在局部计算自己的样本，只共享模型训练的梯度；在纵向维度上，每个参与者训练自己的("矢量映射")并一起训练上层模型。这两个维度的融合消除了不信任彼此的多个数据所有者在联合模型培训的基础上共享数据的需要。

4)差别隐私(DifferentialPrivacy)，保护因数据源的微小变化而引起的隐私泄露。