ScholarGate
Βοηθός
Machine learningPrivacy-preserving analysis

Υπολογισμός Ασφαλούς Πολλαπλών Μερών

Ο Υπολογισμός Ασφαλούς Πολλαπλών Μερών (Secure Multi-Party Computation - SMPC) είναι ένα κρυπτογραφικό παράδειγμα που επιτρέπει σε δύο ή περισσότερα μέρη να υπολογίζουν από κοινού μια συνάρτηση επί των ιδιωτικών εισόδων τους, χωρίς να αποκαλύπτουν αυτές τις εισόδους το ένα στο άλλο. Παρουσιάστηκε από τον Andrew Yao το 1982 μέσω της θεμελιώδους κατασκευής του με συγκεχυμένα κυκλώματα (garbled-circuit), το SMPC παρέχει αποδείξιμες εγγυήσεις απορρήτου βασισμένες σε παραδοχές υπολογιστικής δυσκολίας. Υποστηρίζει τη σύγχρονη ανάλυση δεδομένων που προστατεύει την ιδιωτικότητα, επιτρέποντας συνεργατικούς υπολογισμούς σε ευαίσθητα σύνολα δεδομένων στους τομείς των χρηματοοικονομικών, της υγειονομικής περίθαλψης και της μηχανικής μάθησης.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Yao, A. C. (1982). Protocols for secure computations. 23rd Annual Symposium on Foundations of Computer Science, 160–164. DOI: 10.1109/SFCS.1982.38

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). Secure Multi-Party Computation (SMPC). ScholarGate. https://scholargate.app/el/privacy/secure-multiparty-computation

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateSecure Multi-Party Computation (Secure Multi-Party Computation (SMPC)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/privacy/secure-multiparty-computation · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026