阅读时长 4 分钟
什么是安全多方计算（MPC）？基础指南
安全多方计算（MPC）是一种密码学协议，允许多方在不泄露各自私密输入的前提下共同计算某个函数。这种隐私保护计算方法确保任何一方都无法访问其他方的数据，因而是提升金融、医疗和区块链应用等众多领域数据隐私与计算安全的关键技术。
在本文中，我们将探讨 MPC 的基本原理、应用场景，以及它如何助力安全数据处理与密码学研究。
MPC 的起源
以为 MPC 是什么尖端新事物？再想想吧！其实，这一密码学利器早在20 世纪 80 年代那个霓虹闪耀的年代就已悄然存在。早在互联网走进千家万户之前、在加密货币热潮兴起数十年之前，MPC 的基础构想便已在先驱密码学家的脑海中逐渐成形。
故事要从姚期智（Andrew Yao）说起。这个名字或许不如史蒂夫·乔布斯或比尔·盖茨那样家喻户晓，但他在密码学界的影响同样深远。20 世纪 80 年代初，姚期智提出了一个看起来更适合出现在高危悬疑片而非计算机科学实验室的问题：两个百万富翁如何在不向彼此或任何第三方透露真实财富的情况下，判定谁更有钱？ 这不仅仅是一道理论练习题，更是直击计算隐私核心的挑战。
姚期智的研究如今看来几乎具有先知般的远见，为今天的 MPC 奠定了基础。在当时，多方能够在不暴露各自输入的情况下共同计算数据的想法，其激进程度不亚于几年前的个人计算机概念。在那个蓬松发型、街机游戏和第一批手机盛行的年代，MPC 是一场悄然酝酿的革命，为我们如今所处的以隐私为核心的数字世界埋下了伏笔。
理解安全多方计算（MPC）
其核心在于，安全 MPC无需依赖可信第三方即可实现协作式加密与隐私保护计算。它通过密码学技术确保每位参与者安全地提供自己的输入，而只公开最终的计算结果。
MPC 的关键原则
- 隐私性——每方的输入在整个计算过程中始终保密。
- 正确性——计算产生正确的结果，如同由可信第三方执行一般，不存在任何操纵。
- 公平性——任何一方都不能先于其他方获知结果，也无法强制计算不公平地终止。
- 输入独立性——各方独立提供自己的输入，且不知道其他方的输入。
MPC 是如何工作的？
MPC 的安全性通过密码学工程来实现，其中运用了以下技术：
- 秘密共享： 数据被拆分为多份“份额”并分发给各参与者。任何单个份额都不泄露任何信息，但所有份额合在一起即可重构原始输入。加性秘密共享是 MPC 中的一种常见技术，它将数据划分为若干份额，合并时其总和即为原始值。
- 同态加密： 允许在不解密的情况下对加密数据进行计算。这确保了数据机密性在处理过程中不被泄露。
- 混淆电路： 对函数求值过程进行加密，使任何一方都无法看到中间计算过程。
- 隐私集合求交（PSI）： 使两方或多方能够比对数据集并找出共同值，同时不泄露任何额外信息。
- 零知识证明（ZKP）： 一种密码学方法，允许一方证明自己知道某个值而无需透露该值。这对于私钥安全和身份验证至关重要。
- 通用可组合性： 一种确保 MPC 协议与其他密码学协议组合使用时仍然安全的框架。
这些方法共同构筑了分布式计算安全，使 MPC 成为现代隐私技术的基石。
安全多方计算（MPC）的优势
1. 更强的隐私保护
MPC 确保敏感信息即使在联合计算期间也保持私密。与传统方法不同，MPC 无需中心化实体来收集和处理数据，从而显著降低暴露风险。这在以下场景尤为有用：
- 数据分析： 在多家机构之间安全地分析大型数据集，同时保持数据机密。
- 私钥安全： 通过将密钥的组成部分分发给多方来保护密码学密钥，避免单点故障。
2. 提升去中心化系统的效率
许多区块链应用和区块链密码学项目正在集成 MPC，以确保安全、去中心化的计算。
- Goldreich-Micali-Wigderson 协议（GMW）： 一种基础性 MPC 协议，可增强分布式计算环境中的安全性。
- SPDZ（MPC-in-the-Head）： 一种高效的 MPC 协议，广泛应用于安全数据分析与云计算等实际场景。
3. 保护云与 AI 应用中的敏感数据
随着企业向云端处理迁移，MPC 确保公司在利用 AI 与大数据分析的同时不牺牲隐私。
- 同态加密： 安全 AI 模型的关键组成部分，允许对加密数据执行计算。
- 隐私集合求交（PSI）： 可在营销和欺诈检测中实现保护隐私的客户匹配。
安全多方计算的应用
MPC 在现实世界中的首次实际应用发生在 2008 年。正是在这一年，MPC 走出了学术论文、迈向现实世界，在一个出乎意料地接地气的行业中完成了首次落地：甜菜生产。
两家相互竞争的甜菜公司面临一个共同的难题——如何在不泄露敏感公司信息的前提下确定最高效的作物分配方案。这是一个典型案例：透露太多会带来竞争劣势，但合作又是实现最优效率的关键。
通过采用 MPC 协议，这两家公司得以在保密各自数据的同时联合计算出最优分配方案。这不仅是对相关公司的一场胜利，更是 MPC 实用价值的开创性证明。
这次应用是一个关键转折点，证明 MPC 能够弥合理论密码学与现实应用之间的鸿沟，并为其日后在多个行业的应用铺平了道路，例如：
1. 金融服务与安全数据处理
银行和金融机构利用MPC 密码学技术来计算信用风险评分、反洗钱（AML）检查和欺诈检测模型，而无需暴露单个客户的数据。安全 MPC 消除了对中心化数据存储的需求，降低了数据泄露的风险。
2. 区块链密码学与加密货币中的 MPC
MPC 对区块链技术和加密货币安全而言是一场变革。它使去中心化交易所（DEX）能够执行安全交易并运用门限密码学，确保私钥永远不会在单一位置完整暴露。这增强了数字资产管理中的数据机密性。
这项技术落地的一个典型范例是 CoinsDo 推出的CoinWallet——一款基于 MPC 的钱包。CoinWallet 借助 MPC 的力量为数字资产管理提供更强的安全保障，充分体现了 MPC 在加密领域如此宝贵的精髓所在。
3. 医疗与隐私保护计算
医院和研究机构可以就涉及敏感患者数据的密码学研究展开协作。例如，不同机构的研究人员可以在不直接共享患者信息的情况下对医疗记录进行统计计算。
4. 欺诈检测与安全协议设计
通过应用安全 MPC，企业可以在多家金融机构之间检测欺诈交易，同时保护用户匿名性。安全的协议设计确保只有合法方才能访问关键信息。
5. 广告与安全数据协作
科技巨头和广告商利用MPC 安全技术在不同平台之间分析用户行为，而无需共享原始数据。这有助于遵守 GDPR 等数据法规，同时支持精准营销策略。
安全 MPC 面临的挑战
尽管优势众多，MPC 密码学仍面临以下挑战：
- 计算开销： 由于密码学运算复杂，MPC 协议可能比传统计算更慢。
- 可扩展性问题： 随着参与者数量增加，计算的复杂度也随之上升。
- 实施复杂性： 部署安全 MPC 需要精通加密技术和分布式计算安全方面的专业知识。
安全 MPC 的未来
随着数据隐私问题日益受到关注，MPC 密码学有望得到更广泛的应用，尤其是在抗量子方面。
随着量子计算机威胁着传统加密方法的存续——它们可以如热刀切黄油般轻松将其攻破——MPC 正在不断演进，正面迎接这一挑战。
要理解 MPC 如何抵御量子计算，首先必须认识量子计算机带来的威胁。
量子计算机能够以前所未有的速度执行复杂计算，对传统密码学系统构成重大威胁，尤其是基于公钥密码学的系统。RSA和ECC（椭圆曲线密码学）等广泛用于保障数字通信安全的算法，可能会被量子计算机运用诸如Shor 算法之类的算法攻破。
然而，MPC 的运作方式有所不同：
不依赖困难的数学问题： 传统密码学方法往往依赖某些数学问题的计算难度（例如 RSA 依赖大数分解）。量子计算机可以更高效地解决这些问题，使这些方法变得脆弱。而 MPC 并不依赖此类问题，它通过将计算分散到多方来保护数据安全，任何一方都无法访问完整的数据集或计算过程。
基于秘密共享的安全性：MPC 通常使用秘密共享方案，将秘密（如密码学密钥）拆分成多个部分并分发给各参与者。任何单方掌握的信息都不足以自行还原秘密。量子计算机虽然强大，但只要 MPC 协议得到正确实施，它就难以在未集齐所有份额的情况下重构秘密。
对后量子密码学的适应性：MPC 协议可以设计或改造为纳入后量子密码学算法。这意味着 MPC 所使用的底层密码学原语可以做到抗量子攻击，从而保障 MPC 流程免受量子计算机威胁。
结论
安全多方计算（MPC）正在变革各行业安全处理数据的方式。通过保障数据隐私、安全数据处理和计算安全，MPC 正为组织在不牺牲机密性的前提下开展协作的未来铺平道路。
随着密码学协议的不断进步，我们可以预期安全 MPC将在未来几年在隐私保护计算、区块链安全和分布式计算安全的演进中发挥重要作用。
