閱讀時長 4 分鐘
什麼是安全多方運算（MPC）？基礎指南
安全多方運算（MPC）是一種密碼學協定，允許多方在保密各自私密輸入的前提下共同計算某個函式。這種隱私保護運算方法確保任何一方都無法存取其他方的資料，因而是提升金融、醫療與區塊鏈應用等眾多領域資料隱私與運算安全的關鍵技術。
在本文中，我們將探討 MPC 的基本原理、應用場景，以及它如何助力安全資料處理與密碼學研究。
MPC 的起源
以為 MPC 是什麼尖端新技術？再想想吧！其實，這項密碼學利器早在20 世紀 80 年代那個霓虹閃爍的年代便已悄然現身。早在網際網路走進千家萬戶之前、在加密貨幣熱潮興起的數十年前，MPC 的基礎構想便已在先驅密碼學家的腦海中逐漸成形。
故事要從姚期智（Andrew Yao）說起。這個名字或許不如 Steve Jobs 或 Bill Gates 那樣家喻戶曉，但他對密碼學界的影響同樣深遠。20 世紀 80 年代初，姚期智提出了一個看起來更適合出現在高風險驚悚片而非電腦科學實驗室的問題：兩位百萬富翁如何在不向彼此或任何第三方透露真實財產的情況下，判定誰更有錢？ 這不僅是一道理論練習題，更是直擊運算隱私核心的挑戰。
姚期智的研究如今看來幾近先知般精準，為今日的 MPC 奠定了基礎。在那個年代，多方能在不暴露各自輸入的情況下共同運算資料的想法，其前衛程度不亞於幾年前的個人電腦概念。在那個蓬鬆髮型、街機遊戲與第一批手機盛行的年代，MPC 是一場悄然醞釀的革命，為我們如今所身處、以隱私為核心的數位世界埋下伏筆。
認識安全多方運算（MPC）
其核心在於，安全 MPC無需依賴可信第三方，即可實現協作式加密與隱私保護運算。它透過密碼學技術確保每位參與者安全地提供自己的輸入，而僅揭露最終的運算結果。
MPC 的關鍵原則
- 隱私性——每方的輸入在整個運算過程中始終保密。
- 正確性——運算產生正確的結果，如同由可信第三方執行一般，不存在任何操縱。
- 公平性——任何一方都不能搶先得知結果，也無法強迫運算不公平地終止。
- 輸入獨立性——各方獨立提供自己的輸入，且不知道其他方的輸入。
MPC 如何運作？
MPC 的安全性是透過密碼學工程來實現的，其中運用了以下技術：
- 秘密分享： 資料被拆分為多份「份額」並分發給各參與者。任何單一份額都不會洩露任何資訊，但全部份額合在一起即可重構原始輸入。加法秘密分享是 MPC 中的常見技術，它將資料劃分為若干份額，合併時其總和即為原始值。
- 同態加密： 允許在不解密的情況下對加密資料進行運算。這確保了資料機密性在處理過程中不外洩。
- 混淆電路： 對函式求值過程進行加密，使任何一方都看不到中間運算過程。
- 隱私集合求交（PSI）： 使兩方或多方能夠比對資料集並找出共同值，同時不洩露任何額外資訊。
- 零知識證明（ZKP）： 一種密碼學方法，允許一方證明自己知道某個值而無需透露該值。這對於私鑰安全與身分驗證至關重要。
- 通用可組合性： 一種確保 MPC 協定與其他密碼學協定組合使用時仍然安全的架構。
這些方法共同強化了分散式運算安全，使 MPC 成為現代隱私技術的基石。
安全多方運算（MPC）的優勢
1. 更強的隱私保護
MPC 確保敏感資訊即使在聯合運算期間也保持私密。與傳統方法不同，MPC 不需要中心化實體來收集和處理資料，大幅降低暴露風險。這在以下場景尤為有用：
- 資料分析： 在多家機構之間安全地分析大型資料集，同時維持資料機密性。
- 私鑰安全： 將密碼學金鑰的組成部分分發給多方，以保護金鑰並避免單點故障。
2. 提升去中心化系統的效率
許多區塊鏈應用與區塊鏈密碼學專案正在整合 MPC，以確保安全、去中心化的運算。
- Goldreich-Micali-Wigderson 協定（GMW）： 一種基礎性 MPC 協定，可強化分散式運算環境的安全性。
- SPDZ（MPC-in-the-Head）： 一種高效率的 MPC 協定，已實際應用於安全資料分析與雲端運算。
3. 保護雲端與 AI 應用中的敏感資料
隨著企業走向雲端處理，MPC 確保企業在運用 AI 與大資料分析的同時不必犧牲隱私。
- 同態加密： 安全 AI 模型的關鍵組成部分，允許對加密資料執行運算。
- 隱私集合求交（PSI）： 可在行銷與詐欺偵測中實現兼顧隱私的客戶比對。
安全多方運算的應用
MPC 在現實世界中的首次實際應用發生於 2008 年。正是在這一年，MPC 走出學術論文、邁向真實世界，在一個出乎意料接地氣的產業完成了首次落地：甜菜生產。
兩家相互競爭的甜菜公司面臨共同難題——如何在不洩露敏感公司資訊的前提下，決定最高效的作物分配方式。這是一個典型案例：透露太多會招致競爭劣勢，但合作又是實現最佳效率的關鍵。
透過採用 MPC 協定，這兩家公司得以在保密各自資料的同時聯合算出最佳分配方案。這不僅是相關公司的勝利，更是 MPC 實用價值的開創性展示。
這次應用是一個關鍵轉捩點，證明 MPC 能夠彌合理論密碼學與現實應用之間的鴻溝，並為其日後在多個產業的應用鋪路，例如：
1. 金融服務與安全資料處理
銀行與金融機構利用MPC 密碼學技術來計算信用風險評分、反洗錢（AML）檢查與詐欺偵測模型，而無需暴露個別客戶的資料。安全 MPC 免除了中心化資料儲存的需要，降低資料外洩風險。
2. 區塊鏈密碼學與加密貨幣中的 MPC
MPC 對區塊鏈技術與加密貨幣安全而言是一場變革。它讓去中心化交易所（DEX）能夠執行安全交易並運用門檻密碼學，確保私鑰永遠不會在單一位置完整曝光。這強化了數位資產管理中的資料機密性。
這項技術實際落地的典型範例，是 CoinsDo 推出的CoinWallet——一款基於 MPC 的錢包。CoinWallet 借助 MPC 的力量為數位資產管理提供更強的安全防護，充分體現了 MPC 在加密領域之所以珍貴的精髓。
3. 醫療與隱私保護運算
醫院與研究機構可以就涉及敏感病人資料的密碼學研究展開協作。例如，來自不同機構的研究人員可以在不直接共享病人資訊的情況下，對病歷進行統計運算。
4. 詐欺偵測與安全協定設計
透過應用安全 MPC，企業可以跨多家金融機構偵測詐欺交易，同時保護使用者匿名性。安全的協定設計確保只有合法方才能存取關鍵資訊。
5. 廣告與安全資料協作
科技巨頭與廣告主利用MPC 安全技術跨平台分析使用者行為，而無需共享原始資料。這有助於遵守 GDPR 等資料法規，同時支援精準行銷策略。
安全 MPC 面臨的挑戰
儘管優勢眾多，MPC 密碼學仍面臨以下挑戰：
- 運算開銷： 由於密碼學運算複雜，MPC 協定可能比傳統運算更慢。
- 可擴充性問題： 隨著參與者數量增加，運算複雜度也隨之上升。
- 實作複雜度： 部署安全 MPC 需要精通加密技術與分散式運算安全的專業知識。
安全 MPC 的未來
隨著資料隱私疑慮升高，MPC 密碼學可望更加普及，尤其是在抗量子方面。
隨著量子電腦威脅要讓傳統加密方法走入歷史——它能像熱刀切奶油般輕鬆將其破解——MPC 正持續演進，正面迎戰這一挑戰。
要理解 MPC 如何抵禦量子運算，首先必須認清量子電腦帶來的威脅。
量子電腦能以史無前例的速度執行複雜運算，對傳統密碼學系統構成重大威脅，尤其是基於公鑰密碼學的系統。RSA與ECC（橢圓曲線密碼學）等廣泛用於保障數位通訊安全的演算法，可能被量子電腦運用諸如Shor 演算法之類的演算法攻破。
然而，MPC 的運作方式則不同：
不依賴困難的數學問題： 傳統密碼學方法往往依賴某些數學問題的計算難度（例如 RSA 依賴大數分解）。量子電腦能更有效率地解決這些問題，使這些方法變得脆弱。MPC 則不依賴此類問題，而是透過將運算分散到多方來保護資料安全，任何一方都無法存取完整的資料集或運算過程。
基於秘密分享的安全性：MPC 通常使用秘密分享方案，將秘密（如密碼學金鑰）拆分為多個部分並分發給各參與者。任何單方掌握的資訊都不足以自行還原秘密。量子電腦雖然強大，但只要 MPC 協定正確實作，它便難以在未集齊所有份額的情況下重構秘密。
對後量子密碼學的適應性：MPC 協定可以設計或改造成納入後量子密碼學演算法。這意味著 MPC 所使用的底層密碼學基本元件可以做到抗量子攻擊，從而保障 MPC 流程免受量子電腦威脅。
結論
安全多方運算（MPC）正在改變各產業安全處理資料的方式。透過確保資料隱私、安全資料處理與運算安全，MPC 正為一個組織無需犧牲機密性即可協作的未來鋪路。
隨著密碼學協定的不斷進步，我們可以預期安全 MPC將在未來幾年於隱私保護運算、區塊鏈安全與分散式運算安全的演進中扮演重要角色。
