持续更新安全多方计算框架最全合集 _源代码

安全多方计算框架
本文对现有安全多方计算/学习框架进行了全面、系统的梳理。
目前大部分安全多方计算框架主要基于秘密共享、同态加密、混淆电路以及相关基本模块的组合。通常使用定制的协议来支持特定数量的参与方（一般为两方或三方），导致可扩展性较差。大多数只能支持诚实大多数/不诚实大多数的半诚实安全模型，以及诚实大多数的恶意安全模型。恶意安全模型只有基于SPDZ协议的安全多方学习框架才可以支持。大部分支持安全训练功能的框架能够高效运行的模型较为简单，如线性回归、逻辑回归和网构较为简单的神经网络。对等较复杂的模型支持较少或效率较低。
1. ABY
ABY框架由德国达姆施塔特工业大学（?t ）的Group于2015年在论文《ABY – AforMixed-Two-Party 》中提出。
该框架仅实现具有半诚实安全性的两方计算，支持三种秘密共享类型（算术共享、布尔共享、姚式共享）之间的安全转换,其中，算术共享采用乘法三元组，布尔共享采用GMW（--）协议，姚式共享采用混淆电路协议。
源代码：
2. ABY3
ABY3 由and Peter 于2018年在论文《ABY3: A Mixedfor》中提出。
该框架设计了一个通用的基于三方服务器的隐私保护机器学习框架，基于此实现了新的线性回归、逻辑回归、神经网络模型；提出了新的完整的算术电路、布尔电路和Yao电路之间的转化协议；提出了新的三方秘密分享下的定点十进制小数乘法、并设计了计算分断线性多项式函数的协议；该框架仅以半诚实安全性来实现三方计算
源代码：
3. CBMC-GC
CBMC-GC由 ,于2014年在论文《CBMC-GC: An ANSI CforTwo-Party 》中提出。
该框架是一个能将符合ANSI-C标准的程序转换成布尔电路的电路编译器，还包括一个以其他格式输出电路的工具-utils，这个工具对于仅支持部分电路格式的文件框架至关重要，比如EMP- 。
源代码：
4.
是阿里安全双子座实验室于2022年在 ’22的发布的论文《: Lean and FastTwo-Party Deep》提出的框架。
该框架通过仔细设计DNN，基于格的同态加密、VOLE类型的不经意传输和秘密共享, 提出了2PC-NN推理的系统, 比CCS’20的开销小的多, 计算效率更快, 通信效率更高。
源代码：
5.
是微软等人在CCS’2020的发表论文《:2-Party》提出的框架。
该框架基于茫然传输（ , OT）提出了安全比较的一种新的协议，并对该协议进行了深度优化。然后，利用该比较协议设计了面向神经网络的多个算子协议，例如ReLU、、( is ), 、和等。
源代码：
6. EMP-
EMP-由,AlexJ.,在2016年提出，实现了零知识证明、OT、混淆电路等安全多方计算基本模块，实现语言包括、C++等。
源代码：
7.

文章插图
由于2020年提出，该框架是一个高效的安全计算框架，提供了许多常用的安全功能的标准库，以便快速实现新的复杂功能，在应用程序中使用。支持并行化和预处理等技术，使其能够扩展到大型计算。
框架只实现了不诚实多数计算，对算术电路(SPDZ和 )具有恶意安全，对二进制电路具有半诚实安全。
源代码：
8.
是一个编译器，它将类似C语言的代码编译成二进制的电路描述，由 Mood,Gupta, Henry 等人于2016年在论文《: A , , andandfor》中提出。
9. JIFF
JIFF由Team于2020年发布，是一个用于构建依赖安全多方计算的应用程序的库。JIFF高度灵活，专注于可用性，能够在浏览器、手机或Node.js中运行。JIFF的设计使得开发人员不需要熟悉MPC技术或知道密码协议的细节，就可以构建安全的应用程序。

持续更新 安全多方计算框架最全合集

持续更新安全多方计算框架最全合集