并行安全多方计算协议应用研究
并行安全多方计算协议应用研究
摘要：安全多方计算蕴含了对任何密码协议问题在原则上的实现方案，它能在原则上告诉我们哪些问题是可以解决的，哪些问题是不可能解决的。首先介绍了并行安全多方计算（SPMC）的相关工具和概念知识；接着通过模拟改进后的密码学就餐问题显示SPMC的实际应用，并在此基础上构建了SPMC的协议；最后通过“直和”方法对其安全性进行了验证分析，提出了值得进一步探讨的SPMC问题以及SPMC协议的改进研究。
关键词：并行；安全多方计算；线性密钥共享体制
0引言
随着网络技术的不断发展，网络安全中的多方计算变得越来越普遍，极大地改变了计算的含义及计算的方式。计算可能发生于相互信任的参与者之间，此时问题是很容易解决的；也有可能存在于部分信任的合作者之间，甚至存在于竞争者之间，此时问题的计算也随之复杂起来。这些参与者们特别担心的是在完成该计算的过程中，有可能出现他们各自输入的信息被他人获悉或者被泄露的情况，也就是要确保自己数据的安全性与秘密性。由此提出了安全多方计算（SMC，secure multiparty computation）协议的问题。
简单来说，SMC问题可以用数学的形式描述为：有n个参与者P-1，P-2，„，P-n，通过一种安全的方式来共同计算一个函数，这里的安全是指输入输出信息的保密性与输出结果的正确性。具体来讲，每个参与者P-i，有一个自己的秘密输入信息x-i，n个参与者要共同计算一个函数f（x-1，x-2，„，x-n）=（Y-1，Y-2，„，Y-n），使得计算结束时每个参与者P-i只能得到Y-i，除此之外得不到其它地方的任何信息。
对于并行安全多方计算（SPMC，secure parallel multiparty
computation）的概念提出时间并不长，实际上，SPMC是作为SMC的一个拓展的概念。一般情况下，SMC是针对一个特定的函数进行计算的，而对于SPMC来说，是指同时安全多方计算了多个函数，并且每个函数对应的攻击者结构是不同的。
1预备知识
SPMC协议的设计，需要一些基本的工具以及概念知识。
1.1密钥共享
为了描述一般密钥共享方式，引入存取结构的概念。
定义1：存取结构AS（access structure）。设P={P-1，„，P-n}是n个参与者集合，用AS来命名P上的一个存取结构，也就是AS是由P上的一些子集组成的一个非空子集合，即AS2+p，而且满足单调性质：如果同时满足A∈AS和BP，而且AB，那么有B∈AS。
通常研究SPMC问题利用的是线性多密钥共享体制（LMSSS），那么线性密钥共享体制是一个必需的理论知识。
定义2：线性密钥共享体制（LSSS，linear secret sharing scheme）。令P={P-1，„，P-n}为参与者集合，其AS是P上一个存取结构。令集合S为主密钥空间，R为随机输入集合，集合S-i为子密钥空间，分配函数为Π：S×R→S-1ׄ×S-n，那么对存取结构AS的密钥共享体制的实现是：将一个主密钥s∈S通过分配函数Π在参与者P-1，„，P-n之间实行共享，也即Π（s，r）=（s-1，„，s-n），其中r∈R，每个子密钥s-i为对应参与者P-i所掌握，1≤i≤n，满足下列条件：①重构要求：即分配函数是线性的，对于A∈AS，集合A中的成员可以恢复主密钥s，即H（S|Π（S，R）|-A）=0，这里H（·）为信息熵或熵函数，Π（S，R）|-A为在集合A条件下的分配函数；②安全性要求：对于BAS，从集合B中选择任何成员得不到主密钥s的任何信息，即H（S|Π（S，R）|-B）=H（S）。
在1≤i≤n条件下，如果|S|=|S-i|，该密钥共享体制就是完美的密钥共享体制。令K为某个有限域，如果主密钥空间S=K，随机输入集合R和子密钥空间S-i都是K上的有限维子线性空间，当分配函数Π是线性时，就得到了我们所定义的情况了。
1.2攻击者
在SMC协议中，我们可以将攻击者（adversary）理解为一个有破坏协议安全性或正确性的企图成员，比如说一个电脑黑客。简单地来说，被攻击者收买或者腐败的参与者中的一些子集组成的集合称之为攻击者结构Λ（adversary structure）。其一个极大攻击者结构为Λ-m={B∈Λ|ABAΛ}，而且由单调性质可知Λ和Λ-m是彼此唯一确定的。例如（t，n）门限攻击者结构Λ={AP‖A|≤t}，其对应的极大攻击者结构为Λ-m={AP‖A|=t}。
1.3通信复杂性 SMC协议的复杂性度量也就是通信复杂性。通信复杂性度量有两种方式，一种是轮复杂性 （round complexity），是指执行协议时通信的次数。另一种是协议执行中发送的bit总数，也就是信息传输量。这两种通信复杂性有时候要综合考虑，轮数少但发送的bit数未必少，反之亦然。
1.4安全性定义
在处理SPMC安全性的要求时，采取以往不同的思想和路径，即所要证明的现实协议与理想模型是具有相同的安全性来推出。
比如，比较图1（理想模型）和图2（现实协议）各自处理过程。图1中添加了一个完全可信的第三方T，在理想模型中的攻击者可以与现实协议进行同样的攻击，但他无法入侵T。可想而知，理想模型是我们所期望达到的最安全的模型。但是在现实情况下，这个完全可信的第三方T并不一定存在，因此想要安全地共同计算某一个函数f，就需要设计复杂的协议，一般的现实协议都是通过多轮参与者之间的信息交互来完成的，而攻击者在每轮的交互后都能从被收买者处获得一些信息。
2并行安全多方计算应用前面我们已经知道并行安全多方计算（SPMC）是指同时安全多方计算多个函数，并且每个函数针对的攻击者结构不同。正如LSSS是设计SMC协议的一个重要工具，为此推广提出了LMSSS是设计SPMC协议的一个重要工具。本节首先通过模拟实际SPMC应用问题，然后对SPMC协议的构造与一般的“直和”方法进行比较，也就是安全性得到满足。 2.1就餐协议问题
这里把一个经典的密码学家就餐问题改成更加通俗易懂的，然后模拟通过SMC协议去解决。具体问题是：某公司的一个部门的3个同事A、B、C与公司经理M晚上加完班后，相约一同去某个星级餐馆共进晚餐。然而在就餐进行得差不多的时候，经理M因紧急事情已先行离开，此时侍者正好通知他们晚餐需匿名支付账单，这里可能存在的情况有：一种情况是其中一个同事正在付账；另一种情况是经理M离开的时候正好在前台已经付了账，但没及时通知他们。这里要求他们彼此尊重匿名付账的权力，而且也要知道M是不是在付账。首先设定要求：3个同事A、B、C共同围坐在餐桌边，每个同事将菜单放置于左边而互相隔离开来； 每个同事在他和右边同事之间抛掷一枚硬币，每个同事广播他能看到的两枚硬币是否同一面；如果有一个同事付账，则他说相反的结果，具体运行处理过程如图3所示。
但此时如果某个同事在付账，而另外两位同事不能精确定位到具体是哪位同事。为此我们假设同事A没在付账，他要试图弄清其他哪个同事在付账，那么用数学抽象的表达形式为：
同事A需要知道同事B和C投掷硬币的结果，令Colle（i），Coin（i）分别表示同事和掷币结果，0≤i≤2，那么有
Colle（i）付款输出 = Coin（i1） ⊕Coin（i）（1）
Colle（i）没付款输出 = Coin（i1） ⊕Coin（i） ⊕1（2）
此类的就餐问题，可以做个延伸，改成任意数量的同事和公司多个领导（比如总经理或者普通部门经理）“就餐问题”协议，处理过程类同。但是利用上面类同的解决方法可能考虑的并不周全，因为还有可能涉及具体的其它可能性，比如说公司领导的重要性程度不一样，公司领导与这些同事的关系融洽度，这都有可能影响公司领导是否会在就餐的时候付账。而且重点要求的是恶意的或者有欺骗性的参与者不能读出报文，但他可能会在第4步撒谎来破坏系统。那么就涉及到下面的SPMC的问题构建了。
2.2SPMC协议构建
首先设一个就餐同事参与者集合为P={P-1，P-2，P-3}，这里令有限域为K，而且满足|K|>3，假设K=
瘙 綄 -5。假设有两种付账情况，也就是对应的有两种不同的存取结构。定义集合P上的两个存取结构AS-1={AP‖A|≥2and{P-1，P-2}∩A≠}，AS-2={AP‖A|≥2and{P-3}∩A≠}，那么根据前面极小存取结构的定义，我们得到各自对应的极小存取结构为：
（AS-1）-m={{P-1，P-2}，{P-1，P-3}，{P-2，P-3}}，（AS-2）-m={{P-1，P-3}，{P-2，P-3}}（3）
显然，相对应的攻击者结构Λ-1=2+PAS-1和Λ-2=2+PAS-2都是满足Q+2条件的。假设这些参与者们针对前面的攻击者结构（Λ-1，Λ-2）来安全地计算函数f-1=x+2-2x-3，f-2=x-1x-2+x-3，其中P-i，1≤i≤3持有秘密输入（x（1）-i，x+（2）-i）。这里令M（K，M，Ψ）是一个相对于e-1，e-2计算fAS1，fAS2的具有乘性的单调张成方案，其中M是一个d×1上的阶矩阵。
（1）输入共享阶段。对于1≤i≤3，每个参与者将自己的秘密输入利用M（K，M，Ψ）在所有参与者中间共享，即参与者P-i秘密地从随机输入集合R=K+1-2中随机选取ρi，计算（x+（1）-i，x+（2）-i，ρ-i）M+τ，并将子密钥（x+（1）-i，x+（2）-i，ρ-i）（M-P-j）+τ传送给Pj，1≤j≤5。
（2）计算阶段。由于p=2，q=1，因此计算阶段有3小步：①输入（x+（1）-1，x+（2）-1），（x+（1）-2，x+（2）-2），（x+（1）-3，x+（2）-3），同时计算z-11=x-2x-3，z-12=x-1x-2，得输出z+（1）-1=x+（1）-2x+（1）-3， z+（2）-1=x+（2）-1x+（2）-2；②输入（x+（1）-2，x+（2）-2）和（z+（1）-1，z+（2）-1），计算z-21=x-2z-1，z-22=z-1，得输出z+（1）-2=x+（1）-2z+（1）-1，z+（2）-2=z+（2）-1；③输入（x+（1）-3，x+（2）-3）和（z+（1）-2，z+（2）-2），再计算z-31=z-2，z-32=z-2+x-3，输出z+（1）-3=z+（1）-2，z+（2）-3=z+（2）-2+x+（2）-3。所以输入输出（x+（1）-i，x+（2）-i），（z+（1）-i，z+（2）-i）要求都通过M（K，M，Ψ）在成员中被秘密共享，1≤i≤3。
（3）重构输出阶段。如果所有参与者都能获得最终函数值，那么每个参与者P-i，1≤i≤3都可以将自己关于（x+（1）-2x+（1）-2x+（1）-3，x+（2）-1x+（2）-2+x+（2）-3）的子密钥共享给其他每个参与者；如果x+（1）-2x+（1）-2x+（1）-3要求只被P-1掌握，x+（2）-1x+（2）-2+x+（2）-3要求只被P-2掌握，那么P-1就会知道x+（2）-1x+（2）-2+x+（2）-3，P-2就会知道x+（1）-2x+（1）-2x+（1）-3，需要通过各自设计一个简单的SMC协议来分别计算x+（1）
多方安全计算及其在保护数据隐私中的应用
多方安全计算及其在保护数据隐私中的应用
在当今数字化时代，数据成为了一种极其重要的资产。然而，数据的收集、存储和使用过程中，隐私保护问题日益凸显。多方安全计算作为一种新兴的技术，为解决数据隐私保护难题提供了有效的途径。
多方安全计算是指在无可信第三方的情况下，多个参与方共同计算一个函数，使得每个参与方只能得到自己的计算结果，而无法获取其他参与方的输入数据和中间计算结果。这一技术的核心目标是实现数据的“可用不可见”，即在保护数据隐私的前提下，充分挖掘数据的价值。
想象一下这样一个场景：有两家银行，银行 A 和银行 B，它们都想了解自己的客户中有哪些是高信用风险客户。但是，由于客户数据属于敏感信息，双方不能直接交换和共享数据。这时，多方安全计算就可以发挥作用。通过特定的算法和协议，两家银行可以在不暴露各自客户数据的情况下，共同计算出那些可能存在高信用风险的客户。
那么，多方安全计算是如何实现数据隐私保护的呢？其主要依赖于一系列的密码学技术，如秘密共享、同态加密、不经意传输等。
秘密共享就像是把一个秘密分成多个碎片，分别交给不同的参与方。只有当足够数量的碎片组合在一起时，才能还原出完整的秘密。在多方安全计算中，各方的数据可以通过秘密共享的方式进行处理，从而确保任何一方都无法单独获取完整的数据。 同态加密则允许在密文上进行计算，得到的结果解密后与在明文上进行计算的结果相同。这意味着数据可以在加密的状态下进行计算，而计算结果仍然是有意义的，且不会泄露原始数据的信息。
不经意传输则保证了在信息传递过程中，发送方不知道接收方获取了哪些信息，接收方也无法获取到除了自己选择的信息之外的其他内容。
多方安全计算在众多领域都有着广泛的应用。在金融领域，除了前面提到的银行信用风险评估，还可以用于联合反欺诈、保险定价等。在医疗领域，不同医疗机构可以在不泄露患者个人信息的情况下，进行疾病的联合研究和分析，从而推动医学的发展。在政务领域，多个政府部门可以在保护各自数据隐私的前提下，进行数据的协同处理，提高政务服务的效率和质量。
多方安全计算的理论与应用
多方安全计算的理论与应用
一、概述
随着互联网技术的发展，各类敏感信息的交换和处理变得越来越重要。然而，传统的安全技术，如SSL、VPN等，在一定程度上已经不能满足用户需求。因此，多方安全计算（MPC）作为一种新的安全计算方法被提出，其可以在多个参与方之间进行加密计算，保证数据在计算过程中的机密性和完整性。本文将介绍MPC的理论与应用及其在实际场景中的应用。
二、MPC的理论基础
MPC的理论基础是密文学。MPC的参与方之间通过密文进行信息交换和操作，保证了计算过程中的机密性和完整性，也就是说，即使是计算参与方本身，也无法了解其他参与方所提交的信息。由于密文学技术的威力，MPC才能在不暴露敏感信息的情况下实现数据交换和计算。
三、MPC的应用
1、安全投票
在传统的投票过程中，潜在的选票伪造问题一直困扰着选举机构。使用MPC技术可以有效地避免这种情况的发生，它可以确保投票结果的安全和完整性，同时，参与方也可以在不暴露投票信息的情况下进行投票。 2、医疗健康
MPC的一大优势在于它确保了安全的数据处理，这一点在医疗领域尤为重要。利用MPC，医疗机构可以在保护患者隐私的前提下共享敏感的健康信息，以促进临床研究和精准医疗。
3、金融领域
金融领域的信息安全是至关重要的，而MPC可以使金融机构在不暴露数据的情况下进行财务计算，例如信用评估、保险理赔等。此外，MPC还可以保护客户的支付信息和账户安全。
4、数据安全领域
在企业和政府中，数据安全一直是一个严峻的问题。MPC可以确保在多个参与方之间进行数据处理和存储，包括加密、解密和查询，从而保护数据免遭未经授权的访问。采用MPC的安全算法，企业和政府可以更好地保护其机密信息。
四、结论
在MPC的帮助下，多个参与方可以在不暴露信息的情况下进行数据处理和计算，已经为许多领域的数据安全提供了保障。随着技术的不断发展，MPC的应用将变得越来越广泛，并对许多行业产生深远的影响。
并行安全多方计算协议通信技术
工程技术 计算机光盘软件与应用
Ｃｏｍｐｕｔｅｒ ＣＤ Ｓｏｆｔｗａｒｅ ａｎｄ Ａｐｐｌ ｉｃａｔ ｉｏｎｓ ２０１２年第１４期
并行安全多方计算协议通信技术
蒋字
（中国铁通集团有限公司桂林分公司，广西桂林５４１００１）
摘要：本文讲述了通信技术渗透城市的每一个角落，安全多方计算蕴舍了对任何密码协议问题在原则上的实现方案，它是分布
式密码学和分布式计算研究的一个基本问题，它能在原则上告诉我们哪些问题是可以解决的，哪些问题是不可能解决的。远程会议系
统高效便捷，降低桂林发展成本，拓宽桂林发展空间，让桂林的乡村生活城市化，让桂林的城市生活智能化，让桂林生活更美好！
关键词：通信技术；数字化远程会议；并行；安全多方计算
中图分类号：ＴＮ９１８．１ 文献标识码：Ａ文章编号：１００７—９５９９（２０１２）１４—０１０８—０２
通信技术一直致力于为人类服务，让人们生活更美好。从烽
火台点火传递消息到世界触手可及；从单一的语音通信到多元化
的通信技术；从“走路比电话快”的尴尬窘境到“无所不在、无所
不能”的精彩生活；从通信基本靠吼到高清视频通讯；从屈指可
数的几百条长途电路到四通八达密集的信息高速公路；从黑白电
视到互联网视频高清互动电视，从少数人的身份象征到普罗大众
的必备工具……通信技术的神奇在于它不仅把世界抹平，还给抹
平的地球村涂抹上了厚厚的斑斓色彩。
一、远程会议系统的概念
用这一领域的领头羊ＣＩＳＣＯ公司ＣＥＯ钱伯斯的话来说，远
程会议系统不仅仅只是方便了不同地区的公司员工一起开会，更
是体现了整个科技产业的未来发展方向——协作。世界又平又热
又挤，绝大多数的世界５００强公司都在世界各地有超过１００家分
公司，就连火锅店都在全国范围内有好几十家分店。怎么统筹管 理、怎么即时沟通、怎么有效优化资源，还是单靠飞来飞去？这
样的方式太贵、不环保而且没有效率，耗费大量的人力物力。远
程会议系统是一个管道工，帮你打通协作的管道。
安全多方计算技术研究与应用
龙源期刊网
安全多方计算技术研究与应用
作者：张卷美 徐荣华
来源：《中兴通讯技术》2016年第01期
摘要：认为同态密码的本质是通过密文运算，实现相对应的明文运算。基于同态密码、格理论密码，分别设计了安全多方计算协议，解决了安全两方线段求解直线相交问题和聚类分析中一种经常遇到的加权平均问题。认为目前安全多方计算的实际应用比较滞后，但随着其理论的不断成熟以及各种密码理论基础技术的不断发展，安全多方计算最终会为新时代下的信息安全提供服务。
关键词：安全多方计算；同态加密；格密码
安全多方计算是密码学的基础问题之一，概括了大多数密码协议，如认证协议、在线支付协议、公平交换协议、拍卖协议、选举协议、密文数据库查询与统计等等。在电子选举、电子投票、秘密共享等场景有关广泛的应用[1-2]。
1 安全多方计算的概念
针对安全多方计算，2004年Goldreich给出了一个简单、完整、统一形式化定义[3]。他将安全多方计算抽象成一个随机过程：[U1、U2、……、Un]是n互不信任的参与方，共同计算函数[f（x1，x2，…，xn）=（y1，y2，…，yn）]，其中函数f是一个计算复杂度为概率多项式的随机函数，Ui拥有秘密输入[xi∈（0，1）*]，通过计算希望获得[yi∈（0，1）*]，但不向其他参与方泄露任何信息。
在理想的世界中，假设第三方是可信的，计算函数f，则其计算时间亦为概率多项式时间，抽象为交互式图灵机，其执行过程为可信第三方收集各方输入，然后计算结果，再分别秘密发送结果给对应参与方。理想世界中敌手IA执行协议过程中获取到的输出变量为IDEAL（IA）。
在现实的世界中，可信第三方不存在，同样计算函数f，则需要收集各方输入，然后计算输出结果，再分别秘密发送结果给对应参与方。理想世界不同的是敌手RA可以窃听并收集诚实参与方之间的通信信息，但不能修改其通信内容。现实世界中敌手IA执行协议过程中获取到的输出变量为REAL（RA）。
并行安全多方计算协议应用研究
第１１卷第９期 ２０１２年９月 软件导刊 ＳＯｆｔｗａｒｅ Ｇｕｉｄｅ Ｖｂ１．１ｌ ＮＯ．９ Ｓｅｐ．２０１２
并行安全多方计算协议应用研究
刘 凯 ，刘 强。
（１．广西民族大学信息科学与工程学院，广西南宁５３０００６；２．山东金诺建设项目管理有限公司，山东青岛２６６００１）
摘 要：安全多方计算蕴含了对任何密码协议问题在原则上的实现方案，它能在原则上告诉我们哪些问题是可以解
决的，哪些问题是不可能解决的。首先介绍了并行安全多方计算（ＳＰＭＣ）的相关工具和概念知识；接着通过模拟改进 后的密码学就餐问题显示ＳＰＭＣ的实际应用，并在此基础上构建了ＳＰＭｃ的协议；最后通过“直和”方法对其安全性 进行了验证分析，提出了值得进一步探讨的ｓＰＭＣ问题以及ｓＰＭｃ协议的改进研究。
关键词：并行；安全多方计算；线性密钥共享体制
中图分类号：ＴＰ３０９ 文献标识码：Ａ 文章编号：１６７２—７８００（２０１２）００９—０１４５—０３
０ 引言
随着网络技术的不断发展，网络安全中的多方计算变
得越来越普遍，极大地改变了计算的含义及计算的方式。
计算可能发生于相互信任的参与者之间，此时问题是很容
易解决的；也有可能存在于部分信任的合作者之间，甚至
存在于竞争者之间，此时问题的计算也随之复杂起来。这
些参与者们特别担心的是在完成该计算的过程中，有可能
出现他们各自输入的信息被他人获悉或者被泄露的情况，
也就是要确保自己数据的安全性与秘密性。由此提出了
安全多方计算（ＳＭＣ，ｓｅｃｕｒｅ ｍｕｌｔｉ—ｐａｒｔｙ ｃｏｍｐｕｔａｔｉｏｎ）协议
的问题。
简单来说，ＳＭＣ问题可以用数学的形式描述为：有ｎ
个参与者Ｐ ， ，…，Ｐ ，通过一种安全的方式来共同计算
一个函数，这里的安全是指输入输出信息的保密性与输出
结果的正确性。具体来讲，每个参与者Ｐ ，有一个自己的
秘密输入信息五，ｎ个参与者要共同计算一个函数厂（ ，
ｚ ，…，ｚ ）一（ｙ ， ，…，Ｙ ），使得计算结束时每个参与者
安全可靠的多方计算协议研究
安全可靠的多方计算协议研究
随着信息技术的快速发展和互联网的广泛应用，大量敏感信息的存储和处理已经成为了人们生活和工作中的必须要面对的挑战。无论是金融、医疗、国防等行业，都需要处理大量敏感信息，因此需要在信息处理的过程中保证数据的安全性和可靠性。而多方计算(MPC)技术在这方面具有优异的优势，成为了数据处理中的重要技术之一。
多方计算技术的核心是多个参与者计算同一结果的问题，但是在不暴露各自私有信息的前提下，即使部分计算者是不可信的或者存在风险，也可以达到正确的计算结果。在现实场景中，各个参与者可能分别拥有不同的计算资源，并且有可能存在恶意的攻击行为，因此如何在这样的背景下实现安全的多方计算，是亟待解决的研究问题。
近年来，学术界和工业界对于多方计算协议的研究和发展成果众多。其中最重要的成果是差异隐私(Differential Privacy)技术，该技术能够在保证数据隐私的同时，对外提供可信的分析结果。在具体实现中，一些先进的协议已经被提出，例如Garble Circuit、MPC协议等等。Garble Circuit协议是一种基于加密算法和逻辑电路相结合的协议，可以构建一个保证安全的计算环境，对于各类应用场景和各种数据类型都有适配性。而MPC协议是一种基于密码学的协议，其中常用的协议有基于秘密共享的Shamir's Secret Sharing(SSS)协议、基于同态加密的Paillier、Boneh-Franklin以及基于加密算法执行的Yao's Garbled Circuit等协议。这些协议的实现，既能保证数据的秘密性，也能保证不同参与者计算结果的可靠性，并且能够在不同的场景下使用。
当前，多方计算技术已经得到了广泛的应用。例如，在金融领域中，多方计算技术可以帮助银行在不暴露客户隐私的前提下，共享客户资产和交易信息，以提高金融机构的风险管理能力；在医疗领域中，多方计算技术可以协助医疗机构和研究团队在不暴露病患隐私信息的前提下，共享医学数据并开展相关研究。除此之外，在智能家居、智能车辆等方面中，也可以利用多方计算技术来协同计算，协助数据的共享和处理。
并行安全多方计算协议应用研究 2
并行安全多方计算协议应用研究
摘要：安全多方计算蕴含了对任何密码协议问题在原则上的实现方案，它能在原则上告诉我们哪些问题是可以解决的，哪些问题是不可能解决的。首先介绍了并行安全多方计算（SPMC）的相关工具和概念知识；接着通过模拟改进后的密码学就餐问题显示SPMC的实际应用，并在此基础上构建了SPMC的协议；最后通过“直和”方法对其安全性进行了验证分析，提出了值得进一步探讨的SPMC问题以及SPMC协议的改进研究。
关键词：并行；安全多方计算；线性密钥共享体制
0引言
随着网络技术的不断发展，网络安全中的多方计算变得越来越普遍，极大地改变了计算的含义及计算的方式。计算可能发生于相互信任的参与者之间，此时问题是很容易解决的；也有可能存在于部分信任的合作者之间，甚至存在于竞争者之间，此时问题的计算也随之复杂起来。这些参与者们特别担心的是在完成该计算的过程中，有可能出现他们各自输入的信息被他人获悉或者被泄露的情况，也就是要确保自己数据的安全性与秘密性。由此提出了安全多方计算（SMC，secure multiparty computation）协议的问题。
简单来说，SMC问题可以用数学的形式描述为：有n个参与者P-1，P-2，„，P-n，通过一种安全的方式来共同计算一个函数，这里的安全是指输入输出信息的保密性与输出结果的正确性。具体来讲，每个参与者P-i，有一个自己的秘密输入信息x-i，n个参与者要共同计算一个函数f（x-1，x-2，„，x-n）=（Y-1，Y-2，„，Y-n），使得计算结束时每个参与者P-i只能得到Y-i，除此之外得不到其它地方的任何信息。
对于并行安全多方计算（SPMC，secure parallel multiparty
computation）的概念提出时间并不长，实际上，SPMC是作为SMC的一个拓展的概念。一般情况下，SMC是针对一个特定的函数进行计算的，而对于SPMC来说，是指同时安全多方计算了多个函数，并且每个函数对应的攻击者结构是不同的。
安全多方计算技术在隐私保护中的应用研究
安全多方计算技术在隐私保护中的应用研究
随着互联网的快速发展和信息技术的普及，个人隐私保护问题逐渐引起人们的关注。在信息时代，个人的敏感数据在各种在线平台上的存储和使用不可避免地会受到威胁。为了保护个人隐私，安全多方计算技术应运而生。本文将对安全多方计算技术在隐私保护中的应用进行研究。
一、安全多方计算技术的概述
安全多方计算是一种保护数据隐私的计算范例。它通过将计算任务分解，使得多个参与者能够在不暴露个人隐私的情况下进行数据计算和共享。安全多方计算技术的核心思想是将任务拆解成多个子任务，由参与者分别计算子任务的结果，并通过安全协议将结果合并得到最终的计算结果。在这个过程中，没有参与者能够获得其他参与者的个人数据，确保了数据的隐私性和安全性。
二、安全多方计算技术在隐私保护中的应用案例
1. 医疗数据隐私保护
在医疗领域，安全多方计算技术可以应用于医疗数据的分析和共享。医疗机构、研究机构和患者可以通过安全多方计算技术共享医疗数据，进行医疗研究和数据分析，而不需要直接暴露敏感的个人健康信息。这种方式确保了个人隐私的保护，同时促进了医疗领域的研究和发展。
2. 金融数据隐私保护
随着电子支付和互联网金融的兴起，个人金融数据的隐私保护成为了一个重要的问题。安全多方计算技术可以应用于金融机构之间的数据共享和分析，保护个人敏感数据的安全。通过安全多方计算技术，银行可以共享交易数据和欺诈检测模型，进行交易验证和风险评估，而不需要直接暴露客户的个人信息，从而保护了客户的隐私。
3. 个人隐私数据共享
个人在使用各种在线服务时，不可避免地需要提供一些个人信息。安全多方计算技术可以应用于个人隐私数据的共享，保护个人信息的安全。通过安全多方计算技术，个人可以与服务提供商共享数据，进行个性化推荐和定制化服务，而不需要将个人敏感数据直接暴露给服务提供商，保护了个人隐私的安全。
三、安全多方计算技术的优势和挑战
安全多方计算技术在隐私保护方面具有一些重要的优势。首先，该技术能够保证数据安全和隐私保护，确保个人数据不会被滥用。其次，安全多方计算技术可以在多个参与者之间共享计算成果，促进协作和共享，提高数据的利用效率。此外，安全多方计算技术还能够防止恶意攻击者获取个人隐私信息。
基于区块链的安全多方计算研究
基于区块链的安全多方计算研究
随着信息技术的发展，计算机和网络已经成为我们生活中不可或缺的一部分。然而，在信息技术快速发展的同时，也给我们带来了新的隐私和安全风险。为了解决这些问题，人们开始关注隐私保护和安全多方计算技术。随着区块链的出现，它被广泛应用于各个领域，包括安全多方计算。本文将重点介绍基于区块链的安全多方计算的研究。
首先，我们需要了解什么是多方计算。在传统的计算模式下，参与计算的各方必须互相透露自己的私密数据，这会使得数据暴露在不可信的环境中，增加了安全和隐私的风险。安全多方计算通过使用密码学技术，使得参与计算的各方能够在不暴露私密数据的情况下进行计算，并在计算结果之后得到正确的结果。这种技术可以应用于许多领域，如数据分析、金融交易等。
然而，安全多方计算也存在一些挑战。首先，算法和协议的设计需要满足安全性和可扩展性的要求。其次，参与计算的各方之间需要建立信任关系，这可能是一个非常复杂的过程。此外，计算过程中可能发生错误或恶意攻击，因此需要设计相应的机制来保证计算的正确性和安全性。
区块链技术的出现为安全多方计算提供了新的解决方案。区块链是一种去中心化的分布式账本技术，它使用密码学技术保证数据的安全性和隐私保护。区块链的特点使得多方计算可以在不需要第三方信任的情况下进行。参与计算的各方可以将计算任务和结果记录在区块链上，通过智能合约来验证计算结果的正确性。这样做可以减少信任成本，并保证计算的安全性和可靠性。
基于区块链的安全多方计算的研究主要集中在以下几个方面：首先是隐私保护。在安全多方计算中，参与计算的各方可能拥有敏感数据，为了保护隐私，需要对数据进行加密和匿名处理。区块链的去中心化和透明性特点使得数据的隐私保护成为一个挑战，因此需要设计隐私保护的算法和协议。
其次是共识机制的设计。在安全多方计算中，多方需要达成一致的计算结果，并且能够验证结果的正确性。传统的共识算法如拜占庭容错算法由于其复杂性和效率问题，无法满足大规模分布式计算的需求。因此，需要研究基于区块链的共识机制，以提高计算的效率和安全性。
安全多方计算技术在密码学中的应用
安全多方计算技术在密码学中的应用
密码学作为一门研究信息安全的学科，一直以来都备受关注。随着信息技术的不断发展，传统的密码学方法逐渐暴露出一些安全性的问题。为了应对这些挑战，安全多方计算技术进入了密码学领域，并取得了显著的成果。本文将从安全多方计算技术的基本原理、密码学中的应用以及未来的发展趋势等方面进行探讨。
一、安全多方计算技术的基本原理
安全多方计算技术是指在多方参与计算的情况下，确保计算结果的安全性和隐私性的一种方法。它能够在不暴露各方私密输入的情况下，实现计算结果的正确性。其基本原理包括安全协议、秘密共享以及零知识证明等。
首先，安全协议是实现安全多方计算的基础。各方在进行计算前，通过建立安全协议来确定计算过程和涉及到的操作。这些安全协议可以确保计算过程的正确性和隐私性。
其次，秘密共享是安全多方计算的关键技术之一。通过将参与计算的私密输入进行分割和分发给各方，可以确保参与方之间的私密输入不被泄露。各方只有在进行计算时才能恢复出完整的输入信息，并参与到计算中。
最后，零知识证明可以在安全多方计算过程中证明某个事实的真实性，而无需泄露与之相关的任何私密输入。这样可以保证计算过程的安全性和隐私性，同时提供不可抵赖性的证明。 二、安全多方计算在密码学中的应用
1. 秘密共享
在数字签名算法中，秘密共享技术可以用于生成签名密钥，保护私钥的安全性。多方共享私钥后，只有在所有参与方齐心协力的情况下，才能恢复出完整的私钥，并进行签名操作。这样一来，即便有一方的私钥被泄露，也无法独自进行签名，提高了签名算法的安全性。
2. 安全多方计算在密码协议中的应用
安全多方计算技术可以用于密码协议中的安全关键操作，例如密钥交换、访问控制等。通过多方共同参与计算，在不泄露私密输入的情况下，生成协议中所需的临时密钥或验证信息。
3. 安全多方计算在云安全中的应用
云计算作为一种高效的数据存储和计算方式，对数据的安全性提出了更高的要求。将安全多方计算技术应用于云安全中，可以实现在云环境中进行隐私保护、数据共享等操作，保障用户数据的安全。