【隐私计算笔谈】MPC系列专题(十九):三方复制秘密共享(五)

本文详细介绍了三方复制秘密共享在隐私保护机器学习中的应用,探讨了如何进行定点数运算、跨表示形式的子秘密计算,并通过三方OT协议确保安全。内容涉及机器学习中的加法、乘法、矩阵运算等操作,以及如何在Z2和Z2k下进行秘密转换和计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述

文章目录

回顾一下,最近几次的科普我们介绍了三方复制秘密共享的秘密分享方式,其主要应用为作为隐私保护机器学习的隐私保护框架,将数据作为秘密,按机器学习对数据的操作进行安全多方计算。

机器学习需要对数据进行定点数的加法、乘法、矩阵运算等,需要三方复制秘密共享也有对应的这些操作。因此之后我们介绍了在Z2 Z 2 k Z_{2^k} Z2k下三方复制秘密共享的乘法。在进行定点数运算时会带来定点数精度扩大问题,于是我们接着介绍了两个定点数截断算法Truncate I和Truncate II。秘密在三方复制秘密共享中有Z2 Z 2 k Z_{2^k} Z2k两种表示方式,需要有互相转换的方式,我们接着介绍了将在 Z 2 k Z_{2^k} Z2

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值