testXMLHttp

最新推荐文章于 2025-09-05 17:21:53 发布
原创 最新推荐文章于 2025-09-05 17:21:53 发布 · 422 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ajax

<script type="text/javascript">
  xmlHttp=null;
if(window.ActioveXobject){
xmlHttp=window.ActioveXobject(Microsoft.XMLHttp);
}
alert(xmlHttp);
  </script>
【隐私计算笔谈】MPC系列专题（五）：Beaver三元组和BMR协议
Matrix_element的博客
06-11 7459
【隐私计算笔谈】MPC系列专题（五）：Beaver三元组和BMR协议 文章目录【隐私计算笔谈】MPC系列专题（五）：Beaver三元组和BMR协议Beaver三元组BMR协议推荐阅读【隐私计算笔谈】MPC系列专题（一）：安全多方计算应用场景一览【隐私计算笔谈】MPC系列专题（二）：模型和Shamir秘密共享机制【隐私计算笔谈】MPC系列专题（三）：不经意传输与混淆电路【隐私计算笔谈】MPC系列专题（四）：GMW协议和BGW协议 Beaver三元组 Beaver三元组（ Beaver Triple ）主要用
多方安全计算基础
weixin_51591328的博客
01-07 822
半诚实MPC协议的设计基本思路：所有电路线值均被线性秘密分享，保证隐私性。密码分享方法：通信带宽低、吞吐率高、轮数与电路深度呈线性关系；混淆电路方法：通信带宽高、常数轮复杂度；randomOT、相关性OT。
BeaverTriplet
03-17
海狸三重奏 1992年，AT＆T实验室的研究人员Donald Beaver在论文提出了一种通过秘密共享进行安全计算（尤其是乘法）的方法。 他的方法被称为“海狸三胞胎”。 在该存储库中，我用Python实现了Beaver Triplet，并推广了矩阵和矩阵相乘的方法。 我希望这些代码能使您开心;）
MPC系列：Beaver三元组和BMR协议
qq_38798147的博客
12-06 7568
1
beaver三元组的理解
Sleepy__Boy的博客
07-22 1057
详细记录本人对于beaver三元组的理解
Preprocessing Model in MPC 8 - Conversion between Circuit Representations & Tuples
最新发布
Focusing on Cybersecurity and Applied Cryptography
09-05 1028
本文系统梳理了安全多方计算(MPC)预处理模型的研究进展，重点分析了40余篇核心文献。本文将预处理模型分为传统预处理模型和特殊预处理模型。本博客关注于特殊预处理模型，详细介绍了针对布尔电路与算术电路的转换、Tuples等特定运算优化的协议。文章对比了各方案的安全假设、性能优化和适用场景，为MPC研究者提供了全面参考。
Preprocessing Model in MPC 5 - 基于OT的协议
Focusing on Cybersecurity and Applied Cryptography
08-31 647
本文系统梳理了预处理模型下的安全多方计算（MPC）技术，聚焦协议构建的基础密码学原语与核心优化方法。文章深入分析了静态预处理（Silent Preprocessing）技术，如SilentNISC和Silver协议，通过本地扩展实现高效相关随机性生成。
Preprocessing Model in MPC 4 - 基于同态加密的协议 - Over Rings 环
Focusing on Cybersecurity and Applied Cryptography
08-31 1124
本文系统梳理了预处理模型下的多方安全计算（MPC）技术，重点分析了基于同态加密和OT的协议在有限域与环上的实现方案。在环上的研究中，Overdrive2k、MonZa、MHz2k等协议通过改进同态加密方案和零知识证明机制显著提升了效率；Multipars协议则结合认证与乘法技术实现无牺牲步骤的三元组生成。在有限域方面，SPDZ系列协议通过优化预处理阶段保持领先性能。
Preprocessing Model in MPC 3 - 基于同态加密的协议 - Over Fields 有限域
Focusing on Cybersecurity and Applied Cryptography
08-25 927
本文系统梳理了预处理模型下的多方安全计算（MPC）协议发展脉络。首先介绍了基于有限域的经典协议，包括Orlandi协议、BDOZ协议和SPDZ协议，其中SPDZ通过全局密钥认证和牺牲技术显著提升了效率。随后分析了基于环运算的改进协议如RSS19和Overdrive2k。在基于不经意传输（OT）的协议方面，重点讨论了MASCOT和SPDZ2k等方案。
Beaver‘s triple(乘法三元组)-秘密共享的乘法计算
cw397265362的博客
06-21 7026
通过阅读两篇博客https://blog.youkuaiyun.com/Treasureashes/article/details/112625145以及https://blog.youkuaiyun.com/Matrix_element/article/details/117788407，基于论文《Securely and Efficiently Outsourcing Decision Tree Inference》，自己对乘法三元组做一个简单整理，在此感谢两篇博客的作者。 根据上述安全乘法选择协议， 选择一个三元组(.
Beaver Triples在多方安全计算中的乘法运算中的作用
qq_44008566的博客
07-03 1321
作用：通过低效地乘法协议使两个随机值进行乘法运算，后面就可以使得两个秘密分享的数不需要低效的乘法协议而进行乘法运算。1. 预处理阶段，参与方们生成一个三元组[a]、[b]、[c]。于是，两个秘密值[x]、[y]的乘法运算就变成了只有[y]的常数乘法和其它的常数项。定义：三个秘密分享的数[a]、[b]、[c]，其中a和b是随机和未知的，c=ab。[b]，会使用可能不高效的乘法协议，会产生通信，但是不会泄露a和b。显然一次乘法运算会消耗一个三元组，如果多次使用，可能会不安全。]，最后相加所有份额而得到[a]）
【隐私计算】算术秘密分享的加法和乘法运算（基于Beaver Triple预处理）
我的技术栈碎碎念空间
11-29 4239
在安全多方计算中（MPC）中，算术秘密分享是最基础的机制。一直有在接触，但是一直没有整理清楚最基础的加法和乘法计算流程。
三方相关随机数的分布式生成
watqw的博客
02-26 1121
介绍了和为0相关随机数的分布式生成算法。
区块链与分布式隐私计算行业报告 | TokenInsigh
TokenInsight的博客
06-21 2824
我们选取了三个不同技术路径的分布式隐私计算项目，分别是采用安全多方计算方案的ARPA、采用Trusted Execution Environment（TEE）硬件支持方案的Trias和采用分布式云计算与TEE相结合的综合性方案的iExec，作为分析案例。 目前三个项目都在落地方面取得了一定的成果，但离大规模推广都还存在一定的距离。除了技术发展水平的限制外，怎样进行基于商业场景的优化，怎样提...
论文学习记录20200605：隐私保护神经网络推理[USENIX2020]
cheese0.0的博客
06-28 2177
DELPHI: A Cryptographic Inference Service for Neural Networks DELPHI是一个安全的神经网络预测系统。 背景 ： 许多公司为用户提供神经网络预测服务，比如说，家庭监控系统，使用专有的神经网络对客户家中的监控视频中的对象进行分类，例如停在用户家附近的汽车，或访客的人脸。但是，当前的预测系统损害了用户和公司中其中一方的隐私：要么用户必须将敏感输入发送给服务提供商进行分类，损害了用户的个人隐私。要么服务提供商必须将其专有的神经网络存储在用户的设备上
区块链与分布式隐私计算行业报告 | TokenInsight
TokenInsight的博客
06-21 2116
随着区块链技术的发展，其功能也从实现点对点的电子现金系统逐渐扩大到不同领域。隐私保护作为区块链中一个重要的课题，也在不断丰富扩充自己的含义——从仅仅确保交易隐私匿名性逐渐...
【隐私计算笔谈】MPC系列专题（十二）：比特比较
Matrix_element的博客
07-15 1309
【隐私计算笔谈】MPC系列专题（十二）：比特比较 文章目录【隐私计算笔谈】MPC系列专题（十二）：比特比较比特或比特比较（Bitwise Compare）推荐阅读【隐私计算笔谈】MPC系列专题（一）：安全多方计算应用场景一览【隐私计算笔谈】MPC系列专题（二）：模型和Shamir秘密共享机制【隐私计算笔谈】MPC系列专题（三）：不经意传输与混淆电路【隐私计算笔谈】MPC系列专题（四）：GMW协议和BGW协议【隐私计算笔谈】MPC系列专题（五）：Beaver三元组和BMR协议【隐私计算笔谈】MPC系列专题（六
【AI隐私保护.论文笔记】DELPHI: A Cryptographic Inference Service for Neural Networks
m0_37908414的博客
01-01 2148
一，背景和介绍 Delphi是一个实现安全推理的框架，使用各种混合协议提高了安全推理的效率和通信量。 提出了安全推理的使用场景，即家庭监控系统。客户不希望泄露自己的隐私，服务器不希望泄露自己的模型，因此可以把模型部署在云上，同过密码协议和客户交互实现安全的推理。然而这种安全推理的技术距离实际应用还有一段的距离。因为它需要复杂的计算和高通信量。即使是当前最先进的安全推理协议Gazelle运行在ResNet-32上也要用82s，560MB的通信量。 贡献：提出了Delphi这种框架，Delphi提供了一种新的
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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