安全多方计算

安全多方计算是什么？

几家公司想一起算点什么，比如联合评估信贷风险、共同训练一个模型——但谁都不愿意把自己的原始数据交出来。安全多方计算（SMPC，Secure Multi-Party Computation），就是让多方在「数据不出门」的前提下，一起算出一个正确结果的技术。

它是怎么做到的？

把数据拆成「碎片」
每方先把自己的数据做秘密分享（Secret Sharing），切成若干份随机碎片，分给其他参与方。单独拿到任何一份碎片都看不出原数据，只有把足够多的碎片凑起来才能还原。
在碎片上直接算
参与者拿着碎片做加密状态下的运算，最后把结果拼起来。整个过程里，没有任何一方能看到别人的原始数据，却能得到正确的最终结果。

它和同态加密、联邦学习什么关系？

同态加密：单方加密计算
更偏「把加密数据外包给服务器算」，SMPC 则强调「多方之间谁也别看谁的」。
联邦学习：共享模型，不共享数据
联邦学习各方各训各的，只交换梯度参数；SMPC 还能用来保护这些交换的梯度，二者常搭配使用。

它用在哪儿？

银行联合反欺诈、医院跨机构做医学统计、供应链多方报价与拍卖，都适合用 SMPC。它是「既要合作、又怕泄密」这类场景里，一种兼顾隐私与效率的方案。

一句话记住：安全多方计算，让一群人「一起算」，但谁也「看不见别人手里的牌」。