—隱私保護(hù)計算具體涵蓋了安全多方計算、聯(lián)邦學(xué)習(xí)、同態(tài)加密、差 分隱私和機(jī)密計算等技術(shù)。隱私保護(hù)計算是一套包含人工智能、密碼學(xué)、數(shù)據(jù)科學(xué)等眾多 L域交叉融合的跨學(xué)科技術(shù)體系。它能夠在不泄露原始數(shù)據(jù)的前提下，對數(shù)據(jù)進(jìn)行加工、 分析處理、分析驗證，其重點(diǎn)提供了數(shù)據(jù)計算過程和數(shù)據(jù)計算結(jié)果的隱私安全保護(hù)能力。

1 安全多方計算

安全多方計算（Secure Multi-Party Computation， SMPC）旨在解決“一 組 相互d立且互不信任的參與方各自持有秘密數(shù)據(jù)， 協(xié)同計算一個既定函數(shù)” 的問題。安全多方計算保證了各參與方在獲得正確 計算結(jié)果的同時，無法獲 得計算結(jié)果之外的任何信 息。

2 聯(lián)邦學(xué)習(xí)

聯(lián)邦學(xué)習(xí)（Federated Learning，F(xiàn)L），可被理 解為是由兩個或兩個以上 數(shù)據(jù)方共同參與，在保證數(shù)據(jù)方各自原始數(shù)據(jù)不出 其定義的安全控制范圍的 前提下，協(xié)作構(gòu)建并使用機(jī)器學(xué)習(xí)模型的技術(shù)架構(gòu)。 通常情況下，聯(lián)邦學(xué)習(xí)需與其它隱私保護(hù)計算技術(shù) 聯(lián)合使用，才可在計算過程中實(shí)現(xiàn)數(shù)據(jù)保護(hù)。

3 同態(tài)加密

同態(tài)加密（Homomorphic Encryption，HE），是一 種允許在加密之后的密文上直接進(jìn)行計算，且計算 結(jié)果解密后與基于明文的計算結(jié)果一致的加密算法， 可在不解密以實(shí)現(xiàn)數(shù)據(jù)機(jī) 密性保護(hù)的同時完成計算。 根據(jù)支持密文運(yùn)算的程度， 同態(tài)加密方案可以分為部分同態(tài)加密方案和全同態(tài)加密方案兩類。

4 差分隱私

差分隱私（Differential Privacy，D P），在保留統(tǒng)計學(xué)特征的前提下，去 除個體特征以保護(hù)用戶隱私。差分隱私具有兩個重要的優(yōu)點(diǎn)：一是提出與背景知識無關(guān)的隱私保護(hù)模 型，實(shí)現(xiàn)攻擊者背景知識大化的假設(shè)；二是為隱 私保護(hù)水平提供嚴(yán)格的定義和量化評估方法。

5 機(jī)密計算

機(jī)密計算 ( Confidential Computing，CC)，是指 通過在基于硬件的可信執(zhí)行環(huán)境中執(zhí)行計算來保護(hù) 數(shù)據(jù)應(yīng)用中的隱私安全的技術(shù)之一。其基本原理是 將需要保護(hù)的數(shù)據(jù)和代碼 存儲在可信執(zhí)行環(huán)境中， 對這些數(shù)據(jù)和代碼的任何訪問都需要經(jīng)過基于硬件 的訪問控制，防止他們在使用中未經(jīng)授權(quán)被訪問或 修改，從而提G機(jī)構(gòu)管理敏感數(shù)據(jù)的安全水平。