隐私计算测试团队建设规划.docxVIP

第PAGE页共NUMPAGES页

2026年隐私计算测试团队建设规划

一、单选题（共10题，每题2分，总计20分）

注：每题只有一个最符合题意的选项。

1.在隐私计算环境下，联邦学习（FederatedLearning）的核心优势在于？

A.数据完全集中，便于统一处理

B.允许多方协作训练模型，同时保留数据本地化

C.无需加密，计算效率最高

D.仅适用于小规模数据集

答案：B

解析：联邦学习的核心是数据不出本地，通过模型参数的聚合实现多方协作，保护数据隐私，适用于多方数据协同场景。

2.在多方安全计算（MPC）中，以下哪项技术能有效降低通信开销？

A.安全多方计算（SecureMulti-PartyComputation）

B.差分隐私（DifferentialPrivacy）

C.零知识证明（Zero-KnowledgeProof）

D.同态加密（HomomorphicEncryption）

答案：C

解析：零知识证明允许验证者验证声明而不泄露额外信息，减少通信量；其他选项虽与隐私保护相关，但通信开销较大。

3.针对医疗数据隐私保护，以下哪项技术最适合实现“数据可用不可见”？

A.安全多方计算

B.差分隐私

C.联邦学习

D.同态加密

答案：A

解析：安全多方计算允许多方在数据不离开本地的情况下进行计算，符合医疗数据隐