安全多方计算（MPC）旨在解决互不信任方在不泄露私密数据的情况下进行联合计算的问题。自1982年姚期智提出“百万富翁问题”以来，MPC理论与实践不断发展。文章讨论了MPC的基本定义、经典协议（如GMW、BGW、SPDZ）及其在隐私保护计算和数字资产托管中的应用。MPC的安全性基于理想世界与现实世界的不可区分性，涉及半诚实和恶意模型等多种安全模型。

【密码学百科】安全多方计算：从 Yao 的混淆电路到实用 MPC
土法炼钢兴趣小组的博客
土法炼钢兴趣小组的博客 ·
对 Arcium Network 项目的分析

对 Arcium Network 项目的分析
smallyu的博客
smallyu的博客 ·
如何在不查看的情况下进行计算：安全多方计算的初步探讨

如何在不查看的情况下进行计算：安全多方计算的初步探讨
InfoQ
InfoQ ·
安全多方计算MPC

安全多方计算MPC
祈雨的博客
祈雨的博客 ·

本研究提出了一种新方法，通过安全多方计算和同态加密技术解决机器学习服务中的隐私问题，评估资源效率与隐私保护的标准。

私有化变换器推理的调查
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
人工智能系统中的隐私保护技术

人工智能系统中的隐私保护技术
DEV Community
DEV Community ·

本文介绍了一种结合差分隐私和安全多方计算的联邦学习方法，保护训练和最终模型的隐私，同时保持高预测准确率。

私有协同机器学习中的激励机制
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

PrivatEyes是一种基于联邦学习和安全多方计算的凝视估算训练方法，保证个人凝视数据的隐私性。评估结果显示，隐私性改善不会影响准确性或增加计算成本。

PrivatEyes: 基于外貌的注视估计使用联邦安全多方计算
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

PV4FAD是一种新型解决方案，结合了全同态加密、安全多方计算、差分隐私和随机化技术，以平衡隐私和准确性，并防止模型部署时的推理攻击。

金融异常检测的垂直和水平分割数据上的隐私保护联合学习
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证