隐私计算：多方安全计算，联邦学习，可信执行环境可信执行环境_多方安全计算和联邦学习

目录

隐私计算

多方安全计算

联邦学习

可信执行环境可信执行环境

隐私计算

隐私计算既能够联合各方进行训练学习，又能保证各方私密教据不被泄露。隐私计算技术可归纳为三类

数据加密与再处理、数据不动而模型动、通过可信环境进行大数据分析与管理，

即多方安全计算、联邦机器学习、可信执行环境三大核心技术，下面将分别对三种技术进行介绍，并分析和总结它们的优势与不足。

多方安全计算

多方安全计算是密码学的 子领域，目的是多个参与方从每一方的隐私输入中协同计算某个函教的结果，而不用将这些数据展示出来，

多方安全计算即著名的百万富翁问题! 其目的是解决两人百万富翁在不泄露自己的财产信息的情况下来比较谁更富有。Golgrelch等推广到了多方共同参与的场冒如今多方安全计算衍生出同态加密、秘密共享、不经意传输和混淆电路等多个技术分支,
同态加密(homomorphic encryptin,HE )是由Rives!3首次提出，同态加密提供了一种对加密的教据进行操作的方法，是一种允许对加密的数据进计算操作并生成加密结果的加密技术。在明文上进行计算后将获得的结果进行加密后与在密文上进行相同计算后的结果相同，这种方式就称作同态加密。