隐私计算词典丨一文读懂安全多方计算

前言 ：隐私计算赛道作为当下的风口赛道，无数企业纷纷涌入，抢跑占道。作为一家专注于区块链隐私计算赛道科普入门的垂直媒体，同时也是针对隐私计算兴趣者开放的低门槛入口，我们汇总并分类了隐私计算行业内晦涩难懂的名词，编写了 「隐私计算词典」 板块，帮助大家理解、学习。

前两篇，我们分别从「数据安全」和「云计算」两方面入手，讲解了对于「隐私计算」一词的理解。 而在「隐私计算」实现方面，所有的理论必定需要技术作支撑 ，因此，接下来我们将一一介绍有关于实现「隐私计算」的技术手段。 近年来，有很多隐私计算技术取得了关键突破，并对未来产业的发展产生了重要的影响，其中 安全多方计算 、 可信执行环境 、 联邦学习 和 区块链辅助的隐私技术工具 被认为是目前产业最重要的四大技术发展方向。 考虑到「隐私计算词典」板块的核心目的是为了让大家更好地理解隐私计算技术，因此，本文将抛开晦涩难懂的密码学原理等理论，只针对技术概念进行入门科普。

此篇，我们来介绍隐私计算技术之 「安全多方计算」 。

首先，我们先代入以下几个情景——

• 小明、小红和小刚三人是好朋友，某天他们想知道谁的存款更多，但又不想公开自己的存款，此时该怎么办？
• 甲认为自己得了某种遗传疾病，乙有含有所有疾病DNA模型的数据库，甲想验证自己的想法，但同时不希望自己的DNA被乙采集，此时该如何是好？
• A、B、C三家公司现有一个项目需要共同合作，但在合作时，需要三家公司各自提供部分数据资源，但谁都不愿意公开自己收集到的数据，此时该采用什么办法才能让合作继续进行？

通常情况下，解决上述问题的策略是 假设有可信任的第三方或是可信任的服务平台 。但是在目前多变、不确定和充满对立的环境中， 依托第三方极具风险 ，因此采用这种方式并不合适。

那么，究竟如何在保护数据私密性的前提下解决问题？通过分析，我们不难发现以上情景有两个共同点：

• 两方或者多方参与基于他们各自隐私数据输入的计算
• 任一参与方不愿意让其他任何人知道自己输入的信息

对此，华裔计算机科学家、图灵奖获得者姚期智教授提出了解决办法—— 「安全多方计算」 。

安全多方计算，全称Secure Multi-Party Computation，用于解决一组互不信任的参与方之间保护数据机密性的协同计算问题。 多个参与方共同参与协同计算，输出计算结果，并保证任何一方均无法得到除应得的计算结果之外的其他任何信息。

安全多方计算的技术架构如下图所示：

图片来源：《数据流通关键技术白皮书》

如图，我们可以将计算过程分成以下步骤：

1. 发起计算任务，枢纽节点传输网络及信号控制
2. 各数据持有方发起协同计算任务
3. 通过枢纽节点进行路由寻址，选择相似数据类型的其余数据持有方进行协同计算
4. 节点根据计算逻辑，从本地数据库中查询所需数据，共同就计算任务在数据流间进行协同计算
5. 在保证输入隐私性的前提下，各方得到正确的数据反馈

简单说， 所有参与方在参与计算时输入数据至节点，节点统计所有参与方的数据统一进行协同计算，获取计算反馈，最终将结果给到参与方 ，这个过程便称为安全多方计算。

需要注意的是，不论是在输入信息的过程中，还是在获得反馈结果后，各参与方的输入信息都做到了加密保护，无法获取自己以外的其他人输入的信息。换句话说， 安全多方计算可以保证获取数据价值，却不泄露原始数据内容。

通过以上介绍，我们可以总结出安全多方计算的三个特点：

• 安全性

安全多方计算研究的是各参与方在协作计算时如何对各方隐私数据进行保护，重点关注各参与方之间的隐私安全性问题，即 在安全多方计算过程中必须保证各方私密输入独立，计算时不泄露任何本地数据 。

• 准确性

多方计算参与各方就某一约定计算任务，通过约定安全多方计算协议进行协同计算，计算结束后， 各方得到正确的数据反馈 。

• 去中心化

协同计算中， 各参与方地位平等 ，不存在任何有特权的参与方或第三方，提供一种去中心化的计算模式。

随着数字经济的飞速发展，众多企业越来越向着 「数据为王」 的方向发展，对于现在的企业来说，技术似乎已不是难以跨越的鸿沟，而 数据正逐步成为企业之间角逐的资本 。

安全多方计算作为密码学研究的核心领域，可以运用在日常生活的方方面面，例如共享医疗信息却不想泄露患者隐私，公司之间合作但又不想公开已有数据资源等类似情况。

虽然安全多方计算也被吐槽说过于强调安全性，导致效率的降低，但是在众多应用场景下， 人们需要的不是效率，而是足够的安全 。

对此， 安全多方计算技术的确可以提供一个安全、私密、可信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的思路，真正解决了实现数据可控共享和保证数据信息安全性之间的两难问题。