Drošas daudzpusējās skaitļošanas (Secure Multi-Party Computation - SMPC) metodes
Drošas daudzpusējās skaitļošanas (SMPC) ir kriptogrāfisks paradigms, kas ļauj divām vai vairākām pusēm kopīgi aprēķināt funkciju pār saviem privātajiem ievaddatiem, neizpaužot tos savstarpēji. Ieviestu Andrew Yao 1982. gadā ar savu nozīmīgo jaukto ķēžu (garbled-circuit) konstrukciju, SMPC nodrošina pierādāmas privātuma garantijas, kas balstītas uz aprēķināšanas grūtību pieņēmumiem. Tā ir mūsdienu datu analīzes, kas aizsargā privātumu, pamatā, nodrošinot sadarbības aprēķinus ar sensitīviem datu kopumiem finanšu, veselības aprūpes un mašīnmācīšanās jomās.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Yao, A. C. (1982). Protocols for secure computations. 23rd Annual Symposium on Foundations of Computer Science, 160–164. DOI: 10.1109/SFCS.1982.38 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Secure Multi-Party Computation (SMPC). ScholarGate. https://scholargate.app/lv/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.
- Diferenciālā privātumsPrivātums↔ compare
- Federatīvā apmācībaPrivātums↔ compare
- k-Anonimitāte: individuālās privātuma aizsardzība publicētajos datosPrivātums↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →