隐私计算是一种多方计算技术。其实质是能够在不透露相关具体信息的情况下协同计算期望的结果。

对于个人、机构和政府来说，隐私计算非常重要。这里是隐私计算。更多情况下，可以使用另一句话来代替“多方安全计算”。

多方安全计算简介

在中国，多方安全计算领域最著名（也是世界著名）的研究者是姚启智。姚琦智是清华大学姚班的奠基人，获图灵奖、院士等殊荣。

“我现在非常重视的一个热点问题是隐私保护。30多年前，我提出了多方安全计算。我们两个都有一个数据。我们希望合并两个数据，但不希望将数据相互提供。我们希望完成这个计算，但我们根本不透露我们的数据是什么。共享数据和保护隐私已成为密码安全的一个重要领域。多方安全计算是目前非常流行的关键技术，将成为金融技术、人工智能、医疗保护、数据共享等领域的关键技术。现在的关键是各国如何实施技术。我希望我们在中国也有自己的原创技术。”

姚启智

“安全多方计算（MPC）理论是姚启智先生提出的一个理论框架，旨在解决一群不受信任的参与者在保护私有信息的前提下，在没有可信第三方的情况下进行协作计算的问题。多方安全计算可以在保证输入隐私的同时保证计算的正确性。在没有可信第三方的前提下，可以通过数学理论保证参与计算的所有成员的输入信息不被泄露，同时可以获得准确的计算结果。”

姚启智

上述多方安全计算相关内容在互联网上已经有成熟的内容，可通过搜索关键词“姚启智多方安全计算”获取。

流行示例1

1982年，姚启智先生在安全计算协议中提出了著名的姚百万富翁问题。

对于所谓的“姚明的百万富翁问题”，流行的解释是张三和李四都是百万富翁，但他们的财产没有披露，也不信任第三方。当他们想在不透露具体财产数额的情况下比较谁更富有时，他们使用私有计算（多方安全计算）。

姚院士在这个基本问题的基础上制定了一个通用的技术框架，可以解决“百万富翁问题”。

流行例子2

人工智能发展迅速。有三种类的公司。第一种类有数据，没有算法；第二，有没有数据的算法；第三，有算法和数据。这些公司中有很多都是大公司，比如谷歌、百度、阿里巴巴等。

对于组织来说，算法需要数据馈送才能发展和成熟。对于数据公司来说，需要算法来赋予数据智能以价值。当然，两者的结合是非常好的。但是，如果将数据提供给算法公司，则可以**和存储数据。本来，赚更多的钱是必要的。因此，公司将在合作完成后立即收集数据，或以非常低的价格收集数据。此时，需要的是不公开数据的隐私计算和算法优化，这样，数据公司在获得收入的同时，保护自己的数据资产，算法公司的算法也可以优化——“多方安全计算”隐私计算就是这样。

然而，这种合作更多的是在学术研究理念上。在当前的现实世界中，数据公司基本上占据主导地位。数据意味着生产。你能想象一个石油资源丰富的国家不能发展自己的炼油厂和炼油技术吗？

基本上，算法公司直接“给出”算法给数据公司进行算法培训。

流行例子3

张三在工行开立了一个账户。他一生中从未使用过BOC。现在他想去中国银行贷款。他怎样才能证明自己的信用良好并能贷款呢？工行没有向中国银行提供数据，也没有向您提供流程图。它不想披露自己的数据，也不想证明自己的良好信誉。因此，存在私有计算的场景。

目前的解决方案是检查“信用调查”——这里没有嘲笑，因为自上而下的信用调查系统已经完成。如果它不完整怎么办？如果没有良好的信用调查系统怎么办？如果在区块链世界或另一个场景中？届时，私有计算将变得非常重要。

私有计算的当前价值更多地体现在学术价值和科学研究上，但这并不意味着私有计算在未来没有大的发展空间。只是没有有效的通用标准来使用隐私计算。

在区块链领域，隐私计算有其特殊的意义。在下一篇文章中，我们将重点关注区块链行业中哪些项目在隐私计算轨道上。

本文只是对隐私计算的流行解释，不涉及区块链项目。至少最近，许多项目方都在做隐私计算，我们似乎对隐私计算、分布式计算、匿名性等概念感到困惑。

当然，也建议读者搜索关键词进行学习和研究，分类如下：“姚其志”、“多方安全计算”、“同态多方安全计算”和“华空清算”。