今天，数据可以用来分析复杂问题，提供解决方案，甚至解决无法回答的问题。但是，当涉及到利用数据为公众服务时，数据共享和数据保护之间往往存在着许多矛盾。而安全多方计算（MPC）如何在不泄露隐私数据的情况下实现数据协作分析？又将为数据的秘密共享带来了哪些新的机遇？

区块链百科No.35：安全多方计算

两个百万富翁在街头邂逅，他们都想比比看谁更有钱。但是出于隐私，谁都不想让对方知道自己到底拥有多少财富。在不借助第三方的情况下，如何得出谁的财富更多呢？

这就是著名的“姚式百万富翁问题”。1980年代，姚期智院士在其论文中提出：Alice有一个私人数字a， Bob有一个私人数字b，双方的目标是解不等式a是否≤b。或者更严格来说，除了得到不等式了a≤b或a>b外，不会得出任何与a或b相关的其他信息。

姚期智

计算机学者，2000年图灵奖获得者（唯一获得该奖的华人学者），研究方向包括计算理论及其在密码学和量子计算中的应用。

在这个经典问题之下，诞生了「安全多方计算」（Secure Multiparty Computation,以下简称MPC）这门密码学分支。MPC技术能够在不泄露数据的情况下，联合多方数据进行计算并得到明文结果，最终实现数据的所有权和数据使用权的分离。

在此之后，该领域出现了一系列基础结果，用来解决分布式计算问题，同时保证输入信息的隐私性和安全性。

安全多方计算(MPC)可以理解为一种加密协议，它将计算分布在多方之间，使得任何一方在看不到其他方输入数据的情况下，开展安全且私密的联合计算。

值得注意的是，隐私和安全是有区别的。

安全问题，就像是信用卡出现安全漏洞被盗了钱，人们可以通过一些措施来阻止它并要求退款。而隐私问题，在于当个人隐私受到侵犯时，我们无法采取同样的措施。隐私信息一旦被公开，就无法再次收回。因此，需要设计一种安全协议，在不泄露隐私的前提实现共享数据的价值。

通过MPC协议，各方数据可经由编码后发送至多个服务器进行联合计算，并保证数据的隐私性。简而言之，MPC可以应用于任何涉及多方机密数据的问题。

为了说明这个概念，我们以计算平均工资来举例。某公司的A、B、C三位员工想计算一下他们的平均工资，但在这个过程中，每个人都不想让其他员工知道自己的薪资信息。

假设A的工资是10万元，可通过加密方式将其随机分为三部分：2万、3万和5万，A自己保留一部分（2万），并将其他信息提供给B(3万)和C(4万)。B和C的工资也按照同样的流程完成秘密分享(见下表)。这样的秘密分享完成后，每个人都持有三份工资份额。

当三个工资份额在参与者之间秘密共享时，他们对彼此的工资一无所知，毕竟每个数据片段本身不提供任何有用的信息。然而，当这些数字被加起来时，秘密共享提供了有价值的信息。每个部分结果经过重新集合相加再除以总人数时，便实现了在不披露员工各自薪资信息的情况下，得出平均收入水平。

实际上，安全多方计算已不再是数据科学家的梦想，而是一个被证明的事实。人们由此可对加密数据进行计算，从而更好地检测金融欺诈，解决交通拥堵，预测疾病以及更多……