安全多方计算框架最全合集（持续更新）_aby3(1)

该框架设计了一个通用的基于三方服务器的隐私保护机器学习框架，基于此实现了新的线性回归、逻辑回归、神经网络模型；提出了新的完整的算术电路、布尔电路和Yao电路之间的转化协议；提出了新的三方秘密分享下的定点十进制小数乘法、并设计了计算分断线性多项式函数的协议；该框架仅以半诚实安全性来实现三方计算

源代码：
https://github.com/ladnir/aby3

3. CBMC-GC

CBMC-GC由Martin Franz1, Andreas Holzer于2014年在论文《CBMC-GC: An ANSI C Compiler for Secure Two-Party Computations》中提出。

该框架是一个能将符合ANSI-C标准的程序转换成布尔电路的电路编译器，还包括一个以其他格式输出电路的工具circuit-utils，这个工具对于仅支持部分电路格式的文件框架至关重要，比如EMP-toolkit。

源代码：
https://github.com/MPC-SoK/frameworks/tree/master/cbmc-gc

4. Cheetah

Cheetah是阿里安全双子座实验室于2022年在USENIX Security’22的发布的论文《Cheetah: Lean and Fast Secure Two-Party Deep Neural Network Inference》提出的框架。

该框架通过仔细设计DNN，基于格的同态加密、VOLE类型的不经意传输和秘密共享, 提出了2PC-NN推理的系统Cheetah, 比CCS’20的CrypTFlow2开销小的多, 计算效率更快, 通信效率更高。

源代码：
https://github.com/Alibaba-Gemini-Lab/OpenCheetah

5. CrypTen

CrypTen是Facebook于2019年在论文《CRYPTEN: Secure Multi-Party Computation Meets Machine Learning》提出的框架。

该框架基于PyTorch实现，可以使机器学习从业者能够使用安全的计算技术，在保护数据隐私的场景下实现半诚实的机器学习模型训练。

源代码：
https://github.com/facebookresearch/CrypTen

官网：
https://crypten.ai

6. CrypTFlow2

CrypTFlow2是微软Deevashwer Rathee等人在CCS’2020的发表论文《CrypTFlow2: Practical 2-Party Secure Inference》提出的框架。

该框架基于茫然传输（Oblivious Transfer, OT）提出了安全比较的一种新的协议，并对该协议进行了深度优化。然后，利用该比较协议设计了面向神经网络的多个算子协议，例如ReLU、Truncation、faithful Division (divisor is public), Avgpool、和Maxpool等。

源代码：
https://github.com/mpc-msri/EzPC

7. EMP-toolkit

EMP-toolkit由XiaoWang,AlexJ.Malozemoff,andJonathanKatz在2016年提出，实现了零知识证明、OT、混淆电路等安全多方计算基本模块，实现语言包括Python、C++等。

源代码：
https://github.com/emp-toolkit

8. FRESCO

FRESCO由Alexandra Institute于2020年提出，该框架是一个高效的安全计算框架，提供了许多常用的安全功能的标准库，以便快速实现新的复杂功能，在应用程序中使用。FRESCO支持并行化和预处理等技术，使其能够扩展到大型计算。

FRESCO框架只实现了不诚实多数计算，对算术电路(SPDZ和SPDZ2k )具有恶意安全，对二进制电路具有半诚实安全。

源代码：
https://github.com/aicis/fresco

9. Frigate

Frigate是一个编译器，它将类似C语言的代码编译成二进制的电路描述，由Benjamin Mood, Debayan Gupta, Henry Carter等人于2016年在论文《Frigate: A Validated, Extensible, and Efficient Compiler and Interpreter for Secure Computation》中提出。

10. JIFF

JIFF由Multiparty.org Development Team于2020年发布，是一个用于构建依赖安全多方计算的应用程序的JavaScript库。JIFF高度灵活，专注于可用性，能够在浏览器、手机或Node.js中运行。JIFF的设计使得开发人员不需要熟悉MPC技术或知道密码协议的细节，就可以构建安全的应用程序。

源代码：
https://github.com/multiparty/jiff

11. MP-SPDZ

MP-SPDZ由澳大利亚的研究机构CSIRO’s Data61于2020年在论文《MP-SPDZ: A Versatile Framework for Multi-Party Computation》中提出。

该框架作为SPDZ-2的分支，是多方计算协议SPDZ的实现。MP-SPDZ将SPDZ-2扩展到了二十多种MPC协议，涵盖了常用的安全模型(诚实/不诚实的多数人和半诚实/恶意模型)，以及二进制和算术电路的计算(后者的模数为素数和二次幂)，所采用的基本模块包括秘密共享、不经意传输、同态加密和混淆电路。主体语言是Python，定义了很多新的关于MPC的类和库，可基于Python的高级编程接口来使用相关协议。

源代码：
https://github.com/data61/MP-SPDZ

12. MPC-ECDSA

2023年，Safeheron公司开源了基于 C++ 的 MPC 门限签名协议库，主要包括GG18、GG20、MPC-CMP3 种具有代表性的 MPC-ECDSA 协议。

源代码：
https://github.com/Safeheron/multi-party-ecdsa-cpp

13. MPyC

MPyC由Berry Schoenmakers于2020年发布，是一个用于MPC的开源Python包，实现了基于Shamir的秘密共享的半诚实安全的计算。

源代码：
https://github.com/lschoe/mpyc

14. Obliv-C

Obliv-C由Samee Zahur, Mike Rosulek, David Evans于2015年在论文《Obliv-C: A Language for Extensible Data-Oblivious Computation》中提出。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数网络安全工程师，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年网络安全全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上网络安全知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注网络安全获取）

写在最后

在结束之际，我想重申的是，学习并非如攀登险峻高峰，而是如滴水穿石般的持久累积。尤其当我们步入工作岗位之后，持之以恒的学习变得愈发不易，如同在茫茫大海中独自划舟，稍有松懈便可能被巨浪吞噬。然而，对于我们程序员而言，学习是生存之本，是我们在激烈市场竞争中立于不败之地的关键。一旦停止学习，我们便如同逆水行舟，不进则退，终将被时代的洪流所淘汰。因此，不断汲取新知识，不仅是对自己的提升，更是对自己的一份珍贵投资。让我们不断磨砺自己，与时代共同进步，书写属于我们的辉煌篇章。

需要完整版PDF学习资源私我

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

需要完整版PDF学习资源私我

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-DkjuCtFD-1712622702809)]