聚集机器学习、信息安全

本文对现有安全多方计算/学习框架进行了全面、系统的梳理，持续更新，建议收藏！

隐私计算（Privacy computing）是指在保证数据不对外泄露的前提下，由两个或多个参与方联合完成数据分析计算相关技术的统称。本文介绍了隐私计算的三大关键技术。

安全多方计算问题SMC，Secure Multi-party Computation）由由中国计算机科学家、2000年图灵奖获得者姚启智教授于1982年在论文《Protocols for secure computations》中以百万富翁问题（两个百万富翁Alice和Bob想知道他们两个谁更富有，但他们都不想让对方及其他第三方知道自己财富的任何信息），开创了密码学研究的新领域。

两个百万富翁Alice和Bob想知道他们两个谁更富有，但他们都不想让对方及其他第三方知道自己财富的任何信息，这是由中国计算机科学家、2000年图灵奖获得者姚启智教授于1982年在论文《Protocols for secure computations》中提出的姚氏百万富翁问题，开创了密码学研究的新领域：安全多方计算(Secure Multi-party Computation)。

同态加密首次由R.Rivest等人于1978年在《On data banks and privacy homomorphisms》中以隐私同态（Privacy homomorphism）的概念提出。同态性使得可以在加密数据上进行运算，从而保护用户数据隐私，应用于加密云存储服务，隐私信息检索，隐私数据挖据等许多重要领域。

比特承诺方案是密码协议的重要成分，广泛应用于电子拍卖、商业谈判、电子投票、电子现金和在线游戏等领域，还可以用于零知识证明、身份认证和安全多方计算协议等。

零知识证明（Zero Knowledge Proof）由S.Goldwasser、S.Micali 及 C.Rackoff于1985年首次提出，是一种用于证明者在不泄露任何其他信息的情况下证明其掌握知识正确性的密码学协议，广泛应用于隐私保护、隐私激素、区块链等领域。

秘密共享通过将秘密以适当的方式拆分，拆分后的每一个份额由不同的参与者管理，单个参与者无法恢复秘密信息，只有若干个参与者一同协作才能恢复秘密消息。

门限密码系统由分布式密钥生成算法、加密算法、门限解密算法三部分构成。

M.Jakobsson和A.Juels提出了基于Mix-Match的安全多方计算协议构造方法，该类协议包括Mix与Match两个阶段：Mix阶段通过构造混合网络生成盲表；Match阶段执行PET协议查表得到对应输出，最后参与者共同解密输出。该类协议参与者之间所需传输的消息量较少，对于逻辑运算和Bit运算较为高效。

考虑这样的场景：A意欲出售许多个问题的答案，B打算购买其中一个问题的答案，但又不想让A知道他买的哪个问题的答案。即B不愿意泄露给A他究竟掌握哪个问题的秘密，此类场景可通过不经意传输协议实现。

联邦学习和安全多方计算都是解决数据隐私保护问题的技术，两者既有联系又有区别。本文针对两种的基本概念、应用场景、区别与联系进行了详细介绍。

安全多方计算（Secure Multi-Party Computation），它允许多个参与者在不暴露私密数据的情况下进行计算。6月8日（本周四） 19:00—21:00，华为安全专家将、带领大家了安全多方计算的基本概念与技术，欢迎大家参加！