目前，在对区块链技术的应用中，数据的隐私保护已然得到重视，保护用户数据隐私的方法一般有两种，一是将数据脱敏后上链，二是将数据加密后上链。
不过脱敏技术可能导致数据不完整。而加密技术需要在获取数据后再对其进行解密，在使用大数据技术处理区块链上的加密数据时，大规模数据密态化会极大地影响分析效率。但隐私计算并不会影响大数据的分析效率，与加密技术不同的是，它实现的是数据的“可用不可见”;比起脱敏技术而言，它保留了数据的完整性。
隐私计算并不新鲜，它不是一项技术，而是多项技术的集合统称。目前主流的隐私计算技术主要分为三大方向：第一类是以多方安全计算为代表的基于密码学的隐私计算技术;第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术;第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。
在与区块链的结合应用中，隐私计算将在链下进行，通过区块链的layer-2(其涉及的是链上与链下的协议，主要负责链上链下消息传递、智能合约编程以及应用相关功能)连接到链上。
这意味着将原本置于链上处理的各类事物，交给链下处理，而链上仅保留验证的部分，以此间接提升区块链的数据处理和隐私保护能力。通过扩展链下计算网络，区块链专注业务逻辑可信执行与数据权属凭证流通，而链下隐私计算网络则负责大规模的运算和数据价值流通。
