如何讓大數據在隱私優先的安全環境下被分析運用，即成為了最大的技術挑戰。科技部轄下之國家實驗研究院國家高速網路與計算中心(國研院國網中心)執行科技部政策，打造「PETs隱私強化科技」(Privacy Enhancing Technologies)相關研究環境，期能透過超級電腦的運算優勢，打造PETs的發展環境，讓研究者可以蒐集、分析群體大數據，且同時保護個體隱私不洩漏。
PETs相關研究以聯邦式學習、同態加密，以及基於量子計算的同態加密等技術，讓研究者可以運用群體大數據，卻不碰觸個體隱私。「聯邦式學習」是讓分散各地的資料，由擁有資料的用戶自行運算，再將運算結果集合至中央伺服器(Server)進行加權平均運算，透過來回反覆此過程，便能在資料不離開儲存地的狀態下，發揮大數據的力量，找出合適的模型及參數。
「同態加密」則是數位科技世界最先進的加密方式，用戶將加密過的資訊上傳至雲端數據資料庫，雲端數據資料庫以不解密的方式，直接對密文進行運算，並將密文運算結果提供給用戶，讓用戶自行解密，獲得正確運算結果。由於在接收/運算過程中同步保持加密狀態，即使資訊被截取，也不會洩漏個人隱私。而「基於量子計算概念的同態加密」，則是透過量子計算的概念，研發未來可來適應後量子時代的新加密科技。
以上幾種技術，以看不到或不用碰觸到原始資料本身的方式，強化資料使用上的安全，降低隱私洩露的風險。然而同態加密的技術會造成資訊膨脹數百、甚至數千倍，這時候就可以透過國研院國網中心超級電腦的運算力，減少加密運算的時間。
