【《实用安全多方计算导论》读书笔记】第一章 引言

书籍的英文原名为A Pragmatic Introduction to Secure Multi-Party Computation，看的是中文版。本书着重于从应用层面出发介绍现有的MPC技术。

第一章 引言

本章节将先介绍安全可验证计算的两种类型：外包计算、多方计算，以便区分两者，而本书将聚焦于后者。然后介绍MPC的应用。

一、外包计算

1、概念

在外包计算中，第一个参与方称为数据拥有方，它拥有数据并希望获取该数据的计算结果。第二个参与方接收并存储加密后的数据，在加密数据上执行计算，并将加密结果返回数据拥有方（后者可以解密获取结果）。因此整个过程中，第二个参与方无法得到输入数据、中间结果、最终结果相关的任何信息。

2、实现

同态加密（Homomorphic Encryption）方案允许在加密数据上执行运算，因此可以实现外包计算，目前也已有能够支持特定运算的部分同态加密（Partially-homomorphic Encryption）方案。而要想应用全同态加密（Fully Homomorphic Encryption，FHE）实现一个安全的、可部署、可扩展的系统，仍是一个难以实现的目标。与安全多方计算（Secure Multi-Party Computation，MPC）相比，FHE可以提供更优的渐进通信效率，但是牺牲计算效率，因此两者的性能对比取决于计算和通信带宽的相对成本。

本书不过多介绍外包或FHE，更多关注MPC

二、多方计算

MPC的基本思想最早是姚期智在20世纪80年代提出的，即$m$个参与方希望联合计算一个函数$f(x_1,x_2,...,x_m)$，其中$x_i$是第$i$个参与方的私有输入。此外他还提出了乱码电路协议，该协议是许多高效MPC实现所依赖的基础协议。乱码协议是一个通用MPC协议，在一些特定场景也存在更高效的专用MPC协议（如隐私保护集合求交）——这也是MPC的重要子领域。

（MPC的形式化定义、乱码电路协议、隐私保护集合求交将在后面章节介绍）

三、MPC应用

下面给出一些具体的MPC应用场景：

• 安全拍卖

在拍卖中，投标隐私性要求任何投标者都无法得知其他投标者的出价，投标不可延展性意味着无法通过修改一个投标者的标书生成一个与此标书出价相关联的标书。应用MPC可以实现上述安全要求。

• 投票

  也有投标中的两点安全性要求。

• 安全机器学习

  在不经意模型推断场景中，服务器持有私有的推断模型，客户持有私有的输入，需要通过MPC输出模型的推断结果。在模型的训练阶段，也可以通过MPC实现在多方的数据下训练，而不相互暴露数据。不过，通用的MPC协议在大规模数据集下效率较低，因此一般会组合应用MPC和同态加密技术，或是开发专用MPC协议。