基于安全多方计算的两方推理

摘  要

数字基础设施的发展加速了个人隐私数据在机器学习中的应用。随着机器学习即服务的市场规模逐步扩大，服务提供商和用户在双向获利的同时也面临着严重的隐私泄露风险。因此，安全推理作为隐私保护机器学习的一个分支，成为科学界和工业界的研究热点。安全多方计算是安全推理最重要的密码学工具。从机器学习推理中潜在的隐私问题出发，引入安全多方计算技术，进一步对基于安全多方计算实现的安全推理框架进行分析研究，重点分析和评估了业界先进且实用的技术框架。最后进行了总结与展望，给出了隐私保护机器学习及安全推理的未来发展的思考与建议。

内容目录：

1　背景概述

1.1　机器学习推理及其存在的隐私问题

1.2　MPC 密码技术

2　两方安全推理研究

2.1　两方安全推理模型架构

2.2　两方安全推理方案概览

2.3　两方安全推理方案分析

3　实用性两方安全推理方案研究

3.1　Cryptflow2 和 Cheetah 的技术分析

3.2　Cryptflow2 和 Cheetah 的实验分析

3.3　Cryptflow2 和 Cheetah 的对比结论

4　结　语

人工智能是引领科技创新与产业变革的重要驱动力量，随着人工智能技术的飞速发展以及在不同行业领域的深化应用，世界各国均将人工智能列为提升国家竞争力、维护国家安全的重