多方安全计算基础

已于 2023-01-10 16:57:26 修改
阅读量615 收藏 3
点赞数 2
分类专栏： Security 文章标签： 知识图谱 可信计算技术 安全 安全威胁分析 密码学
于 2023-01-07 16:27:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51591328/article/details/128590887
版权
本文介绍了多方安全计算的基础知识，包括两大设计方法——混淆电路和秘密分享。混淆电路涉及不经意传输和线性函数计算，而秘密分享方法涵盖线性密码分析和基于OT的协议。SPDZ协议作为秘密分享方法的代表，支持加法和乘法计算，适用于恶意多数情况下的安全计算，尤其适合联邦学习。虽然SPDZ在处理某些函数时存在局限性，但在实际应用中可以通过各种方式优化。
摘要由CSDN通过智能技术生成

分类1：

 分类2：

 分类3：

分类4：

 

 分类5：

 分类6：

两大设计方法：

混淆电路方法：通信带宽高、常数轮复杂度；

密码分享方法：通信带宽低、吞吐率高、轮数与电路深度呈线性关系；

混淆电路方法

最低0.47元/天 解锁文章
柒拾柒_L
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MPC系列：Beaver三元组和BMR协议
qq_38798147的博客
12-06 6003
1
安全多方计算之GMW协议
海水梦悠悠的博客
04-07 4062
安全多方计算之GMW协议 一、背景 论文原文《How to play any mental game》。作者：Micali S, Goldreich O, Wigderson A. 发表在：Proceedings of the Nineteenth ACM Symp on Theory of Computing, STOC. GMW协议可以同时适用在布尔电路和算术电路，支持n个参与方参与计算。GMW协议基于秘密共享技术对电路中的导线进行秘密共享。 二、背景技术 XO...
安全多方计算基础——ABY框架（Arithmetic部分）
QYQYQYQYQYQ’s Blog
09-07 3725
今天看了秘密分享架构中的ABY架构，尤其看了Arithmetic sharing部分，对于该秘密分享机制下的加法与乘法的计算有了一定的了解，而且了解了如何通过Pailler同态加密方法产生c=axb的三元组。但是对于OT-Base产生三元组的方法不太了解，明天会对非对称加密体系，安全分享公钥的方法还有Diffie-Hellman算法进行学习以求更加熟悉OT-Base办法 也欢迎各位大佬光临我的博客啦！ 1). Share Semantics: 1. Shared values: 对于一个数xxx的l字节Ar
简单写写安全多方计算
晓阳的数据小站
01-25 1272
|0x00 什么是安全多方计算 多方安全计算最近很火，不仅是因为欧盟出了一个数据隐私法规《通用数据保护条例》（General Data Protection Regulation，简称GDPR），也在于存量市场竞争下，大家都有了更多数据合作的场景。例如：两家公司都有一份用户数据，但不想让对方知道自己的用户是谁，但又想知道自己的用户跟对方的用户，有多少是重叠的，这时候我们通过怎样的算法，才能让自己用户信息不泄露的情况下，获得自己想要的结果？ 安全多方计算起源于著名的“百万富翁”问题：有两个富翁想比较一些谁更富
安全多方计算代码python版本
zhuiyunzhugang的博客
10-09 2379
#!/usr/bin/env python # coding -*- utf:8 -*- import math import random ''' 百万富翁问题实现 自己生成公钥私钥并解密加密 算法无安全性 ''' # 获取小于等于指定数的素数数组 def get_prime_arr(max): prime_array = [] for i in range(2, max): if is_prime(i): prime_array.app.
Beaver‘s triple(乘法三元组)-秘密共享的乘法计算
cw397265362的博客
06-21 6195
通过阅读两篇博客https://blog.csdn.net/Treasureashes/article/details/112625145以及https://blog.csdn.net/Matrix_element/article/details/117788407，基于论文《Securely and Efficiently Outsourcing Decision Tree Inference》，自己对乘法三元组做一个简单整理，在此感谢两篇博客的作者。 根据上述安全乘法选择协议， 选择一个三元组(.
多方安全计算概念介绍及相关知识PPT
03-26
多方安全计算（MPC，Multi-Party Computation）是一种密码学技术，旨在在不泄露原始数据的情况下，允许多个参与者共同执行计算任务。这一概念最早由我国唯一的图灵奖得主姚期智院士提出，源于解决“百万富翁问题”，...
安全多方计算之ABY完全学习资料
最新发布
05-23
综上所述，"安全多方计算之ABY完全学习资料"是一份全面且深入的学习资源，涵盖了从理论基础到实际应用的各个环节，对于密码学研究者、网络安全工程师以及对隐私保护有兴趣的人士都是极具价值的学习材料。通过系统...
安全多方计算及其在机器学习中的应用
10-21
安全多方计算（Secure Multiparty Computation, MPC）是一种先进的密码学技术，它允许多个参与方在不泄露各自私有数据的情况下进行协同计算。这种技术的核心在于，参与方可以在保持数据隐私的同时，共同执行一个计算...
多方保密计算中基础协议及其应用研究.pdf
08-16
安全多方计算（英文：Secure Multi-Party Computation）的研究主要是针对无可信第三方的情况下，如何安全地计算一个约定函数的问题。安全多方计算是电子选举、门限签名以及电子拍卖等诸多应用得以实施的密码学基础。
BeaverTriplet
03-17
海狸三重奏 1992年，AT＆T实验室的研究人员Donald Beaver在论文提出了一种通过秘密共享进行安全计算（尤其是乘法）的方法。 他的方法被称为“海狸三胞胎”。 在该存储库中，我用Python实现了Beaver Triplet，并推广了矩阵和矩阵相乘的方法。 我希望这些代码能使您开心;）
文件（安全多方计算联邦学习白皮书）.zip
05-13
《安全多方计算联邦学习白皮书》是一份深入探讨现代数据科学中两个关键领域的文档，即安全多方计算和联邦学习。这两个技术都是在保护隐私和数据安全的前提下，推动数据分析和机器学习模型训练的重要方法。 安全多方...
Beaver Triples在多方安全计算中的乘法运算中的作用
qq_44008566的博客
07-03 701
作用：通过低效地乘法协议使两个随机值进行乘法运算，后面就可以使得两个秘密分享的数不需要低效的乘法协议而进行乘法运算。1. 预处理阶段，参与方们生成一个三元组[a]、[b]、[c]。于是，两个秘密值[x]、[y]的乘法运算就变成了只有[y]的常数乘法和其它的常数项。定义：三个秘密分享的数[a]、[b]、[c]，其中a和b是随机和未知的，c=ab。[b]，会使用可能不高效的乘法协议，会产生通信，但是不会泄露a和b。显然一次乘法运算会消耗一个三元组，如果多次使用，可能会不安全。]，最后相加所有份额而得到[a]）
MPC系列-混淆电路
qq_38798147的博客
12-05 7803
混淆电路：混淆电路是一种密码学协议，完成参与方能在互相不知晓对方数据的情况下计算某一能 被逻辑电路表示的函数。通过对电路进行加密来掩盖电路的输入和电路的结构，以此来实现对各个参与者的隐私信息的保密，再通过电路计算来实现安全多方计算的目标函数的计算。 混淆电路的发展历程： 1.姚-百万富翁问题 【alice和bob各有数据x和y，比较大小。1.alice把电路加密混淆，然后将混淆的table给bob。2.双方用不经意传输使得bob可以通过自己的输入选择混淆的table。3.最后bob可以通过混淆密钥
安全多方计算（MPC）的SPDZ库快速入门教程
客官留步，点个赞再走呗
03-14 6331
MP-SPDZ初级使用
Shamir 秘密共享、GMW和BGW方案
我的个人博客
06-05 3513
Shamir秘密共享方案是一种将秘密拆分成多份并分配给多个参与者保存，只有在满足特定条件下才能恢复原始秘密的密码学方案。它具有良好的容错性、加法同态性和无条件安全性等特点。具体地，Shamir秘密共享方案可以概括为以下步骤：首先，选择一个大质数p且sp，并选择一个随机数a0​，并生成n−1个不同的随机数a1​a2​⋯at−1​。这些数可用于定义一个t−1阶多项式fxa0​a1​xa2​x2⋯at−1​xt−1。
我的隐私计算学习——秘密共享
weixin_47695607的博客
11-26 1744
安全保护技术（二）
论文学习记录20200605：隐私保护神经网络推理[USENIX2020]
cheese0.0的博客
06-28 1920
DELPHI: A Cryptographic Inference Service for Neural Networks DELPHI是一个安全的神经网络预测系统。 背景 ： 许多公司为用户提供神经网络预测服务，比如说，家庭监控系统，使用专有的神经网络对客户家中的监控视频中的对象进行分类，例如停在用户家附近的汽车，或访客的人脸。但是，当前的预测系统损害了用户和公司中其中一方的隐私：要么用户必须将敏感输入发送给服务提供商进行分类，损害了用户的个人隐私。要么服务提供商必须将其专有的神经网络存储在用户的设备上
区块链与分布式隐私计算行业报告 | TokenInsigh
TokenInsight的博客
06-21 2613
我们选取了三个不同技术路径的分布式隐私计算项目，分别是采用安全多方计算方案的ARPA、采用Trusted Execution Environment（TEE）硬件支持方案的Trias和采用分布式云计算与TEE相结合的综合性方案的iExec，作为分析案例。 目前三个项目都在落地方面取得了一定的成果，但离大规模推广都还存在一定的距离。除了技术发展水平的限制外，怎样进行基于商业场景的优化，怎样提...
安全多方计算：基础与应用探索
"该文档是关于多方保密计算中基础协议及其应用的研究，主要探讨了在没有可信第三方的情况下，如何安全地执行多方面的计算任务。安全多方计算是许多关键应用如电子选举、门限签名和电子拍卖等的基础。文档涵盖了多方...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值