Sikker flerpartsberegning
Sikker flerpartsberegning (SMPC) er et kryptografisk paradigme som gjør det mulig for to eller flere parter å felles beregne en funksjon over deres private input uten å avsløre disse inputene for hverandre. SMPC, introdusert av Andrew Yao i 1982 gjennom hans banebrytende garbled-circuit-konstruksjon, gir bevisbare personverngarantier basert på antagelser om beregningsmessig vanskelighet. Det danner grunnlaget for moderne personvernbevarende dataanalyse, og muliggjør samarbeidsberegning på sensitive datasett innen finans, helsevesen og maskinlæring.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Yao, A. C. (1982). Protocols for secure computations. 23rd Annual Symposium on Foundations of Computer Science, 160–164. DOI: 10.1109/SFCS.1982.38 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Secure Multi-Party Computation (SMPC). ScholarGate. https://scholargate.app/no/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.
- Differensielt personvernPersonvern↔ compare
- Føderert læringPersonvern↔ compare
- k-Anonymitet: Beskyttelse av individuell personvern i utgitte dataPersonvern↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →