多方安全计算（Multi-Party Computation，简称MPC）是一种隐私保护技术，允许多个参与者在不泄露各自输入数据的情况下进行联合计算。该技术在保密性、数据隐私和安全性方面具有重要意义，广泛应用于金融、医疗、数据市场等领域。本文将详细介绍MPC的起源、发展脉络、实现方式及其现状，以帮助不了解这一技术的人更好地理解其基本原理和未来发展趋势。
一、MPC的发展历程
1982年 - MPC概念的提出
- 安德鲁·雅奥（Andrew Yao） ：提出了百万富翁问题，首次描述了MPC的概念，这为MPC的研究奠定了基础。
1986年 - 雅奥的混淆电路
- Andrew Yao：在论文“如何生成加密的电路”中提出了混淆电路（Garbled Circuits），为两方计算提供了实际可行的解决方案【Yao86】。
1987年 - GMW协议
- Goldreich, Micali, Wigderson：提出了GMW协议，这是一种适用于多方参与的MPC协议，并能处理恶意行为的参与者【GMW87】。
1988年 - BGW协议和CCD协议
- Ben-Or, Goldwasser, Wigderson：提出了BGW协议，基于秘密共享的MPC协议，能够在无可信第三方的情况下进行安全计算【BGW88】。
- Chaum, Crépeau, Damgård：提出了CCD协议，进一步拓展了MPC的应用【CCD88】。
1989年 - RB协议
- Rabin, Ben-Or：提出了RB协议，改进了基于秘密共享的MPC协议【RB89】。
1990年 - BMR协议
- Beaver, Micali, Rogaway：提出了BMR协议，通过组合混淆电路和秘密共享，实现了更高效的MPC【BMR90】。
2004年 - SPDZ协议
- Damgård, Pastro, Smart, Zakarias：提出了SPDZ协议，结合了同态加密和秘密共享，实现了高效的MPC【MNPS04】。
2011年 - Fairplay框架
- Fairplay：一个基于雅奥混淆电路的MPC框架，使得研究人员可以更方便地进行MPC实验和应用【Fairplay11】。
2013年 - ABY框架
- Demmler, Schneider, Zohner：推出了ABY框架，结合了混淆电路、秘密共享和同态加密三种技术，实现了高效的混合协议【ABY13】。
2015年 - LAN协议
- Lindell, Nof：提出了适用于实际应用的LAN协议，通过优化计算和通信效率，使MPC更加实用【LAN15】。
2016年 - SecureML框架
- Mohassel, Zhang：提出了SecureML框架，实现了基于MPC的隐私保护机器学习模型，使得数据拥有者可以在不泄露数据的情况下训练机器学习模型【SecureML16】。
2018年 - MPC在医疗数据分析中的应用
- Microsoft和合作机构：使用MPC技术对医疗数据进行联合分析，保护患者隐私的同时提高诊断准确率【MS18】。
2020年 - FHE和MPC结合
- Fully Homomorphic Encryption (FHE) ：结合FHE和MPC，实现了更高效的隐私保护计算【FHE20】。
2022年 - 高效的MPC协议优化
- Aly, Nawaz, Salazar, Sucasas：优化了MPC在机器学习中的应用，通过改进协议和算法，实现了更高效的隐私保护计算【ANSS22】。
二、 MPC 目前可以使用的实现方式
多方安全计算（MPC）目前有多种实现方式，每种方式都有其独特的优势和适用场景。并没有一种方式被公认为适用于所有情况的“最好”方式。具体的实现方式包括以下几种主要技术：
1. 秘密共享（Secret Sharing）
秘密共享是MPC的基础技术之一，它通过将数据分割成若干份，每份数据片段独立保存，只在必要时组合起来进行计算。
主要协议
- Shamir's Secret Sharing：将秘密数据分成多个部分，只有在收集到足够多的部分时才能恢复原始数据。广泛用于分布式系统和安全计算中。
- BGW Protocol：Ben-Or、Goldwasser和Wigderson提出的基于秘密共享的协议，能够在无可信第三方的情况下进行计算。
2. 同态加密（Homomorphic Encryption）
同态加密允许在加密数据上直接进行计算，计算结果解密后即为原始数据的计算结果。
主要协议
- Fully Homomorphic Encryption (FHE) ：可以在加密数据上进行任意计算，但计算开销较大，主要用于需要强隐私保护的场景。
- Partially Homomorphic Encryption (PHE) ：只支持特定类型的计算（如加法或乘法），但效率较高。
3. 混淆电路（Garbled Circuits）
混淆电路通过将计算过程表示为电路，并对电路进行混淆处理，使得参与方只能获得最终计算结果而无法获知中间数据。
主要协议
- Yao's Garbled Circuits：用于安全两方计算，适用于需要高效率且数据隐私要求较高的场景。
4. 混合协议（Hybrid Protocols）
混合协议结合了多种MPC技术，利用各自的优势来提高计算效率和安全性。
主要协议
- ABY Framework：结合了混淆电路、秘密共享和同态加密技术，适用于需要高效计算和强隐私保护的场景。
三、MPC目前存在的问题
性能优化
目前，MPC的计算和通信开销仍较大，限制了其在大规模数据处理中的应用。研究人员通过优化算法和硬件加速，不断提升MPC的性能。例如，通过预处理和并行计算，减少计算时间和通信量 (SpringerLink)。
应用场景拓展
MPC已在金融、医疗、广告投放等领域展开应用。例如，多个银行可以在不泄露客户数据的情况下，联合进行信用风险评估；医疗机构可以在保护患者隐私的前提下，联合分析医疗数据，提高诊断和治疗效果 (SpringerLink) (Multiparty Computation)。
法律和伦理问题
MPC的应用涉及数据隐私和安全的法律和伦理问题。目前，相关法律法规尚未完全明确MPC的法律地位和合规要求，亟需进一步研究和规范 (SpringerLink)。
可用性和可扩展性
尽管MPC在保护数据隐私方面具有巨大潜力，但其实现和使用仍较为复杂，普通用户难以理解和掌握。未来的发展应注重提升MPC的可用性和可扩展性，使其能够在更多场景中得到应用 (SpringerLink)。 Pomelo_刘金。转载请注明原文链接。感谢！
参考文献
- Yao, A.C. (1986). "How to Generate and Exchange Secrets". Proceedings of the 27th Annual Symposium on Foundations of Computer Science (FOCS 1986).
- Goldreich, O., Micali, S., Wigderson, A. (1987). "How to Play any Mental Game". Proceedings of the 19th Annual ACM Symposium on Theory of Computing (STOC 1987).
- Ben-Or, M., Goldwasser, S., Wigderson, A. (1988). "Completeness Theorems for Non-Cryptographic Fault-Tolerant Distributed Computation". Proceedings of the 20th Annual ACM Symposium on Theory of Computing (STOC 1988).
- Chaum, D., Crépeau, C., Damgård, I. (1988). "Multiparty Unconditionally Secure Protocols". Proceedings of the 20th Annual ACM Symposium on Theory of Computing (STOC 1988).
- Rabin, M.O., Ben-Or, M. (1989). "Verifiable Secret Sharing and Multiparty Protocols with Honest Majority". Proceedings of the 21st Annual ACM Symposium on Theory of Computing (STOC 1989).
- Beaver, D., Micali, S., Rogaway, P. (1990). "The Round Complexity of Secure Protocols". Proceedings of the 22nd Annual ACM Symposium on Theory of Computing (STOC 1990).
- Damgård, I., Pastro, V., Smart, N.P., Zakarias, S. (2012). "Multiparty Computation from Somewhat Homomorphic Encryption". Proceedings of the 31st Annual International Conference on the Theory and Applications of Cryptographic Techniques (EUROCRYPT 2012).
- Demmler, D., Schneider, T., Zohner, M. (2013). "ABY – A Framework for Efficient Mixed-Protocol Secure Two-Party Computation". Proceedings of the 22nd Annual USENIX Security Symposium (USENIX 2013).
- Lindell, Y., Nof, A. (2015). "A Framework for Constructing Fast MPC Over Arithmetic Circuits with Malicious Adversaries and an Honest-Majority". Proceedings of the 22nd ACM Conference on Computer and Communications Security (CCS 2015).
- Mohassel, P., Zhang, Y. (2016). "SecureML: A System for Scalable Privacy-Preserving Machine Learning". Proceedings of the 37th IEEE Symposium on Security and Privacy (S&P 2016).
- Aly, A., Nawaz, K., Salazar, E., Sucasas, V. (2022). "Through the Looking-Glass: Benchmarking Secure Multi-Party Computation Comparisons for ReLU's". Cryptology ePrint Archive, Report 2022/202.
