本文介绍了四个Rust开源项目：Stoffel构建完整安全多方计算栈，涵盖编译、执行与网络；vib是集成LocalSend的终端双栏文件管理器；push2talk实现本地Whisper语音转写热键输入；kibble提供轻依赖的RAG知识摄取工具链。这些项目展示了Rust在隐私计算、终端工具、桌面应用和AI基础设施领域的实际应用潜力。

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。

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。

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ProxyFL，旨在保护隐私并提高预测准确率。研究探讨了基于自然语言的分类、预训练模型及无监督学习等新方法，并在多个数据集上验证了其优越性。提出的Fed-PLT算法有效减少通信轮次，同时保持准确性，展示了联邦学习在隐私保护和效率上的新进展。

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，旨在确保训练和模型的隐私，同时保持高预测准确率。研究提出了多种隐私保护技术，包括基于分布式差分隐私的联合学习、端到端工作流程及隐私保护双蒸馏框架，并在多个数据集上验证了其有效性和优越性。

该文综述联邦学习隐私保护研究，涵盖安全多方计算框架（医院分簇局部训练，准确率高但通信开销大）、差分隐私与多方计算结合、移动众包协作学习、社区联邦学习、无线自组网WAFL、AIGC微调、异构设备FedDist聚合、因果特征学习、联邦模糊C均值聚类及脑转移识别等应用。

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。

本文综述区块链隐私保护技术。首先提出在线交易所需隐私属性：交易保密性、身份匿名性、不可追踪性，以及假名、不可链接性、数据机密性。随后介绍八类技术：混合协议（Mixcoin、CoinJoin）、匿名签名（群签名、环签名）、同态加密、基于属性加密、安全多方计算、非交互式零知识证明、基于TEE及基于游戏的智能合约，并分析各自优缺点。结论指出无万能技术，需在安全、隐私与效率间权衡，组合使用效果更佳。