data-v-9033fe72 data-v-0aea98aa前言：隐私计算赛道作为现在的风口赛道，无数企业蜂拥而至，占领着道路。 是专注于区块链隐私计算赛道科普入门的垂直媒体，也是对隐私计算感兴趣的人开放的低门槛入口。 对隐私计算行业内晦涩难懂的名词进行了汇总分类，制作了《隐私计算词典》板块，帮助理解、学习。

前两个从“数据安全”和“云计算”两个方面入手，说明了对“隐私计算”一词的理解。 因为“隐私计算”的实现，所有的理论都必须有技术支撑，所以这里就介绍一下实现“隐私计算”的技术手段。 近年来，许多隐私计算技术取得了重要突破，对未来产业的发展产生了重要影响。 其中，安全多计算、可靠的运行环境、联邦学习、区块链支持的隐私技术工具被认为是当今产业最重要的四个技术发展方向。 由于认为《隐私计算词典》的核心目的是更好地理解隐私计算技术，本文将无视难解的密码学原理等理论，只对技术概念进行入门科学。

本篇将介绍隐私计算技术的“安全多计算”。

首先，我们上一代进入以下情景——

小明、小红、小刚三个人是好朋友。 有一天，他们想知道谁的存款更多，但不想公开自己的存款。 这个时候，该怎么办呢？ 甲方认为自己患有某种遗传疾病，乙方拥有包含所有疾病的DNA模型的数据库。 甲方想验证自己的想法，但同时不希望自己的DNA被乙方采集。 这个时候，该怎么办呢？ 虽然a、b、c三家公司现有的项目需要共同合作，但在合作时，三家公司需要各自提供部分数据资源，但谁也不想公开自己收集的数据。 此时，可以用什么样的方法让合作继续下去？ 通常，解决这些问题的战略是以有可靠的第三方或可靠的服务平台为前提的。 但是，在目前充满变化、不确定、对立的环境中，依赖第三方是非常有风险的，所以不适合采用这种方式。

那么，如何在保护数据隐私的基础上解决问题呢？ 分析表明，这些方案有两个共同点

参与计算以基于两个或多个参与者各自的隐私数据进行输入的任何参与者都不希望其他任何人知道自己输入的信息。 华裔计算机科学家、图灵奖获得者姚期智教授提出了解决方案——“安全多方计算”。

安全多部件计算，全称安全多部件计算，用于解决相互不信任的参与者群体之间保护数据机密性的协作计算问题多个参与者参与联合计算，输出计算结果，保证任何一个参与者都不会得到所需计算结果以外的信息。

安全的多计算技术体系结构如下图所示。

图片来源： 《数据流通关键技术白皮书》

如图所示，计算过程可以分为以下几个步骤。

启动计算任务，中心节点传输网络和信号控制各数据持有人启动协同计算任务，通过中心节点进行路由地址，选择类似数据类型的剩余数据持有人，协同计算节点根据计算逻辑，从本地数据库中查询所需数据共同针对计算任务在数据流之间进行协同计算，在保证输入隐私性的基础上，当各方获得正确的数据反馈时，所有参与者在参与计算时将数据输入节点，节点统计所有参与者的数据，然后

需要注意的是，无论是在输入信息的过程中，还是在得到反馈结果后，各参加者的输入信息都是加密保护的，除了自己以外，其他人都无法获取输入的信息。 也就是说，安全的多计算确保了数据的价值，而不会泄露原始数据的内容。

通过以上介绍，可以总结出安全多方计算的三个特点

securitymultiplecomputing研究了每个参与者在协作计算期间如何保护每个参与者的隐私数据，并着重讨论了每个参与者之间的隐私安全问题。 也就是说，securitymultiplecomputing要求每个参与者的隐私输入是独立的，以防止在计算时泄露本地数据。

正确性多方计算参与者对某约定的计算任务通过约定的安全多方计算协议进行协同计算，计算结束后，各方得到了准确的数据反馈。

在去中心化协调计算中，各参与者地位平等，不存在有特权的参与者或第三方，提供去中心化的计算模型。

随着数字经济的快速发展，许多企业越来越朝着“数据为王”的方向发展，对于现在的企业来说，技术似乎已经不再是难以逾越的鸿沟，数据已经成为企业之间角逐的资本。

安全计算是密码学研究的中心领域，可以应用于日常生活的各个方面，如共享医疗信息不愿意泄露患者隐私、公司之间进行合作但不愿意公开现有的数据资源等。

虽然多方计算也被吐槽为过于强调安全性而导致效率的降低，但在很多应用场景中，人们要求的不是效率，而是充分的安全。

与此相反，安全多计算技术确实提供了安全、私有、可靠的数据信息处理方式，为解决网络环境下的信息安全提供了新思路，实现了数据的可控共享，数据信息