江苏龙网

  1. 首页 > 人文 > >

读懂多方安全计算

读懂多方安全计算
文章图片
免责声明：本文旨在传递更多市场信息 ， 不构成任何投资建议 。 文章仅代表作者观点 ， 不代表火星财经官方立场 。
小编：记得关注哦
来源：冲量科技
读懂多方安全计算
文章图片
随着互联网的飞速发展 ， 互联网越来越向着“数据为王”的方向发展 ， 对于很多企业来说 ， 技术已经不是很难跨越的鸿沟 ， 而数据则越来越多称为企业之间角力的资本 。 但数据不像金银首饰 ， 放在那就能产生升值 ， 数据只有流动起来才能产生价值 。 不过 ， 大多数企业考虑到数据安全和个人隐私等问题 ， 对数据共享都非常谨慎 。
在日常生活中 ， 列入医院需要共享医疗信息 ， 但是又不想泄露单个患者的隐私 ， 又或者厂商想训练自己的人工智能算法 ， 但是信息所有者又不想让对方知道他们真实的隐私数据 。 类似的情况层出不穷 ， 其也造成了大量协作问题在一开始就被搁浅 ， 并导致很多数据资源的浪费 。 针对这种情况 ， 安全多方计算提供了一种解决方案 ， 并希望以此来实现数据的可控共享 。
安全多方计算（SecureMuti-partyComputation）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 。 其首先由华裔计算机科学家、图灵奖获得者姚期智教授于1982年提出 ， 也就是为人熟知的百万富翁问题：两个争强好胜的富翁A和B在街头相遇 ， 如何在不暴露各自财富的前提下比较出谁更富有？
简单来说 ， 安全多方计算协议作为密码学的一个子领域 ， 其允许多个数据所有者在互不信任的情况下进行协同计算 ， 输出计算结果 ， 并保证任何一方均无法得到除应得的计算结果之外的其他任何信息 。 换句话说 ， MPC技术可以获取数据使用价值 ， 却不泄露原始数据内容 。
当用户通过MPC技术发起一个任务时 ， 节点回传输网络和相关的控制情况 ， 使得每个数据持有放都可以发起协同计算任务 。 通过节点进行寻址 ， 择相似数据类型的其余数据持有方进行安全的协同计算 。 参与协同计算的多个数据持有方的MPC节点根据计算逻辑 ， 从本地数据库中查询所需数据 ， 共同将MPC计算任务在数据流间进行协同计算 。 在保证输入隐私性的前提下 ， 各方得到正确的数据反馈 ， 整个过程中本地数据没有泄露给其他任何参与方 。
读懂多方安全计算
文章图片
隐私
多方安全计算将能在各方进行协作时进行隐私数据的保护 ， 保证各方输入的独立安全 ， 并只输出结果 ， 计算时不泄露任何本地数据 。
【读懂多方安全计算】准确
由于采用多方协作的方式 ， 因此当多方参与计算时 ， 通过约定MPC协议进行协同计算计算结束后 ， 能保证数据的输出准确 ， 并防止结果和数据被篡改 。
强分布式
相比于传统的分布式计算 ， 多方安全计算并不会由中心节点协调各用户的计算进程 ， 因此用户的数据理论上都是被保存在本地 ， 不会被收集到中心化服务器中 ， 而且各参与方地位平等 ， 不存在任何有特权的参与方或第三方 。
虽然多方安全计算也被吐槽说过于强调安全性 ， 从而导致效率的降低 ， 但是在很多的应用的环境中我们需要的并不是效率 ， 而是足够的安全 ， 例如在数据记录或者数据量小的比对协作环节 ， 其对效率并没有过多的需求 ， 但其对安全性有着非常大的需求量 ， 通过多方安全计算 ， 便可以做到非常好的安全和可信协作环境 。
相比于多方安全计算 ， 可信计算的立足点在于保证效率的同时 ， 同时保证较高的安全性 ， 虽然其安全性理论上比不过多方安全计算 ， 但相对于其他解决方案 ， 其也足够承担涉及隐私相关的安全协作任务 ， 并在同时可以提供极高的效率 ， 适用于一些需要大量时间的任务 ， 例如人工智能算法学习或者征信大数据协作等一系列对数据并发量有一定要求的场景 。
因此 ， 多方安全计算与可信计算绝对不是矛盾的对立面 ， 相反 ， 其时对全流程场景的两种非常好的互补技术 ， 对冲量网络来说 ， 其也将同时结合多方安全计算与可信计算 ， 在保证性能的同时满足大部分的使用场景 ， 创造出多元化的应用解决方案 ， 提供安全、隐私、可信、智能的数据计算能力 。


    推荐阅读


    上一篇：市场价格上千元的产品，小米卖169元！竟被说成“低价误国”？

    下一篇：豪掷3000万美金 腾讯Trovo能否搅动美国游戏直播市场？