Web3 隐私增强技术对比：探秘加密时代的数据安全与隐私保护

作者：Anders Dalskov（博士，Partisia Blockchain 密码学科学家）

来源：https://medium.com/partisia-blockchain/mpc-fhe-dp-zkp-tee-and-where-partisia-blockchain-fits-in-c8e051d053f7

编译：TinTinLand

本文重点是对主题提及的每种技术提供最简短、最直观的技术介绍。本文涉及的技术（Differential Privacy 除外）均用于处理数据的“安全”计算方式。在更高阶的层面上，这意味着它们可用于一个或多个数据来执行任意计算并保持数据的隐私性。

多方安全计算 (MPC) 

多方安全计算在 Partisia Blockchain 上是一个相当广泛的协议类别术语，它能够使两个独立实体（称为各方）计算同一个函数，除了输出结果之外不泄露任何内容。

多方安全计算（MPC）协议通常分三个阶段进行：

首先，输入者秘密共享私有输入数据，此步骤可以被认为是每个用户将其输入的特殊信息加密发送到进行计算的节点。例如，加密确保至少需要 2/3 的节点来恢复数据输入，由此得到了一个依赖于非共谋的安全模型（也可能是所有 3 个节点必须共谋才能恢复输入）。在这种情况下，我们得到了一个完整的阈值模型（因为所有服务器必须共谋才能打破隐私）。

下一步是节点（服务器 A、B 和 C）对输入步骤中接收到的加密（即秘密共享）执行计算。

当节点完成计算时，它们将保存输出的数据信息进行共享；每个节点份额都将返还给用户，这样他们就可以恢复实际数据的输出状态。

从上图中可以看出，如果计算节点连接良好，MPC 的实际工作效果就会特别理想。

事实上，MPC 运行成本高昂的原因就在于节点必须存在于彼此之间发送的所有数据。

自 20 世纪 80 年代初以来，学术界一直在积极研究 MPC，以下是可以帮您了解更多信息的优质资源：

• 使用隐私共享机制实现保密（https://www.youtube.com/watch?v=vRVudJADQLk）

• MPC 技术的全方位信息介绍（https://www.youtube.com/watch?v=xwxkp4fMWsk）

• 有关 MPC 多方面分析的博客文章（https://medium.com/applied-mpc/a-crash-course-on-mpc-part-1-791c3e351d3c）

全同态加密（FHE）

全同态加密 (FHE) 解决了一个老生常谈的问题：我可以对个人数据进行加密并执行计算吗？

FHE 是一种工具，它不仅允许我们在服务器上存储加密数据，还允许服务器对其进行计算，而无需在任何时候执行解密。 FHE 系统示意图如下所示：

根据上图所示，用户加密私人数据并将其上传到服务器中。然而，与传统的 E2EE（端到端加密）场景不同，服务器实际上可以在用户的私密数据上直接进行计算 —— 直接在密文上进行，而后用户可以使用私钥对结果进行解密。

FHE 与 MPC 不同，它依赖于巧妙的密码计算而非密码协议。

一方面，这意味着与 MPC 相比，FHE 在服务器和客户端之间可以发送更少的数据；

另一方面，FHE 需要服务器完成大量计算执行任务。因此，在实际运行过程中，FHE 比 MPC 速度更慢。实用 FHE 也是一项 2009 年才出现的相对较新的技术，也是从那时起，它慢慢受到了广泛关注，尤其是来自 Microsoft 或 IBM 等“更大”的参与者。