CCF-ADL115-陈凯老师-隐私计算.pdfVIP

隐私计算理论和效率

KaiChen,iSINGLab@HKUST

April25,2021

-1-

隐私计算：背景

DLAPiper

随着大数据、机器学习与互联网经

济的不断发展，人们对用户数据隐

私保护的要求也不断提升，涉及数

据保护的立法也不断完善。

•GDPRofEU,2018

•CCPAofUSA,2018

•CyberSecurityLawofChina,

2017

数据孤岛：各个公司、组织和个人

之间互相孤立、不共通数据，难以

通过大数据的优势获得机器学习模

型的增益

2

-2-

隐私计算

如何在保护数据隐私不泄露的前提

下，协同多方参与计算：

•隐私定义

•隐私度量

•隐私保护技术

•隐私泄露分析

隐私计算技术在满足个人隐私保护

和数据法律法规的基础上，能够整

合多方数据孤岛数据进行大数据分

析与机器学习建模，大大提升模型

与应用性能。

3

-3-

隐私计算技术及应用分类

4

-4-

隐私计算技术及应用分类

5

-5-

多方安全计算(MPC)

多方安全计算

(SecureMultipartyComputation,MPC)

定义了多方联合的计算任务，其中每一

方拥有一份输入，最终每一方只能得到

函数的输出值而无法获知其他参与方的多方安全计算

输入值。

秘密共享不经意传输

四种不同的多方安全计算实现：

•秘密共享：将计算任务看作函数