隐私计算的介绍-入门学习笔记(一)

一、隐私权定义为两种：

      个人隐私数据的隐私权，与科学数据隐私权，即大数据交易的所有权。

二、隐私计算的范畴及发展范围：

       隐私计算是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。

三、为什么要进行隐私计算(目前数据泄露)

      在数据爆炸的今天，在网络用户毫无隐私地赤裸裸地暴露在网络服务提供者面前的今天，在个人隐私在网上被当成商品买卖的今天，在国家立法保护数据隐私的今天，在用户隐私意识觉醒的今天，人们对于隐私保护的强烈需求必将带来下一波技术浪潮。

       目前数据泄露已形成产业链条，并催生了三大变现途径：精准诈骗、撞库攻击(撞库攻击分为拖库、洗库、撞库。拖库：入侵一个网络站点，获取站点的用户名密码。洗库:根据某种计算方式，过滤用户信息，获取有价值的用户。撞库：将该站点的用户名和密码登录其他站点，形成撞库)以及撒网式诈骗，有可能产生严重的次生风险。

       在日益发达的互联网前，每一个用户不仅宛如“裸奔”，还要随时应对数据泄露带来的风险。然而，完全将数据闭塞不共享本身既不现实，也不利于经济价值的发掘，未来在隐私性和便利性之间，一定有一个平衡。

四、如何解决问题

       解决方案：通过把密码学的一些技术集成在相关的架构上，进行不同隐私保护相关的分类、硬件加速、控件开发，让机构和个人用户使用。例如，通过隐私计算中：安全多方计算、代理重加密、同态加密、零知识证明等

       简单地说，两个人比谁的存款多，过去的做法是把数字写出来，大家直接比较。还有一种做法，我们信任另外一个人，把数字告诉他，他再告诉我们谁多。

       我们的做法，也就是“安全多方计算”，我的银行的余额在我的卡上，你的银行余额在你的卡上，我们不需要知道具体数据，只要通过基于安全多方计算的计算，最后比较出大小。

      举个在传统金融领域应用的例子，两个机构之间有黑名单和白名单的差异，他们并不乐意交换，因为有顾虑。这个用安全多方计算就能很容易解决，不要分享白名单和黑名单，只需要分享计算的结果就可以了，这就可以用我们的安全多方计算的工具来协同计算某一个人在我们两个机构之间到底是什么样的。

下面介绍：安全多方计算、代理重加密、同态加密、零知识证明