【隐私计算】Cheetah安全多方计算协议-阿里安全双子座实验室
2PC-NN安全推理与实际应用之间仍存在较大性能差距，因此只适用于小数据集或简单模型。Cheetah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，提出了一个2PC-NN推理系统Cheetah，比CCS'20的CrypTFlow2开销小的多，计算效率更快，通信效率更高。主要贡献
【数据治理】隐私计算：数据治理中的安全守护者
隐私计算是一种在不直接暴露原始数据的情况下，对数据进行分析和处理的技术集合。它通过多种加密和数据脱敏手段，确保数据在传输和使用过程中不会泄露敏感信息，同时保证数据处理的准确性和完整性。
隐私计算-多方安全计算
多方安全计算（MPC：Secure Muti-Party Computation）理论是姚期智先生为解决一组互不信任的参与方之间在保护隐私信息以及没有可信第三方的前提下协同计算问题而提出的理论框架。多方计算的目标就是对一组计算的参与者，每个参与者拥有自己的数据，并且不信任其它参与者和任何第三方，在这
第一章 隐私计算科普解读
本文关键字：隐私计算、多方安全计算、联邦学习、同态加密、机密计算、差分计算、Pravicy、隐私
