我的隐私计算学习——前言

过去大半年的时间里，系统性地学习了隐私计算，看的内容倾向于联邦学习这块，多方安全计算也有涉及一些，总体而言，密码学知识需要温故而知新，这半年来积累了七八万字的笔记，会慢慢放上来和大家一起讨论学习。

---

前言

2022年是隐私计算的元年，其未来很有可能发展成风口上的大产业。隐私计算有以下几个发展方向值得注意：

1. 软硬件结合，兼顾软件上的隐私计算安全算法和硬件上的TEE可信执行环境。

2. 模型和算法安全，隐私计算目前倾向于强调保护参与计算的数据，但是实现计算的模型和算法更需要保护。

3. 计算方的公开可验证，目前的安全多方计算模式大多是，服务方提供现成的安全多方计算平台，用户提交数据到这个平台上完成计算，但是问题是，这个平台本身如何向用户说明不存在共模攻击的风险，让用户信任隐私计算平台，安心地提交数据。所以未来的一大方向是，参与计算方的公开可验证，

4. 高效的多方协议，目前ABY3协议广泛运用于三方协议，在隐私计算领域，如果参与计算的每个节点算一方，那么势必需要其他一些多方协议，保证计算的安全和高效。

5. 非对称算力下的计算，目前其实有一些技术方案是针对非对称算力条件的（ps：个人笔记本和大公司服务器合作运算，个人笔记本端必然会是计算瓶颈），比如说 PIR，PSI……，把计算的重担推到算力强的一端。隐私计算同样要考虑这个问题，在未来的商业环境中，如果碰到非对称算力，是否有其他更高效的计算方案解决瓶颈的问题。

隐私计算的研究要“市场化”，面对现实需求进行研究和开发，而不是空对论文理论！

截止到 2023 年 3 月，隐私增强技术的全面总结：全球四大类14种隐私增强技术的发展、应用和难点https://mp.weixin.qq.com/s/8f2mojNXazgOM8HFGAOfmg（数据混淆工具、加密数据处理工具、联邦分布式分析、数据责任化工具）

10月份新开了一个GitHub账号，里面已放了一些密码学，隐私计算电子书资料了，之后会整理一些我做过的、或是我觉得不错的论文复现、代码项目也放上去，欢迎一起交流！https://github.com/Ataraxia-github?tab=repositories