【本报告由百度安全实验室与上海交通大学LATTICE实验室联合完成，转载请注明出处】隐私保护集合交集（PrivateSetIntersection,PSI）计算属于安全多方计算领域的特定应用问题，不仅具有重要的理论意义也具有很强的应用价值。随着用户数据的隐私保护越来越受到重视，这一方向的研究更是符合人们日益强烈的在享受各类依赖个人信息的业务的便利性的同时最大程度保护个人信息私密性的需要。文章对最新

FATE作为联邦学习全球首个工业级开源框架，支持联邦学习架构体系，为机器学习、深度学习、迁移学习提供了高性能联邦学习机制，FATE本身还支持多种多方安全计算协议，如同态加密、秘密共享、哈希散列等

FATE项目使用多方安全计算(MPC)以及同态加密(HE)技术构建底层安全计算协议，以此支持不同种类的机器学习的安全计算，包括逻辑回归、基于树的算法、深度学习和迁移学习等。

小组成员：郑爽、王妮婷、王静雯一、背景机器学习的隐私保护研究大致分为２条主线:以多方安全计算、同态加密为代表的加密方法和以差分隐私为代表的扰动方法。

IfoodsChain公链-研发动态1.积分系统集成了exchange充币提币功能的积分方案，作为首选方案；2.积分系统集成了使用钱包私钥签名declaring的http协议的方案协议，作为辅助方案；3.探索多方安全计算

秘密共享秘密共享(Secret-Sharing)是现代密码学领域的一个重要分支，是信息安全和数据保密中的重要手段，也是多方安全计算和联邦学习等领域的一个基础应用技术。

大家不约而同的把目光对准了零知识证明机制、多方安全计算这样一些密码学的技术框架。Zcash2016年底上线了，它

目前，由矩阵元提供多方安全计算(MPC)技术服务，中思博安联合安贞医院开展的基于MCOP的“先天性心脏

作者|章磊责编|Aholiab出品|CSDN、ARPA在我们之前的“多方安全计算”系列文章中，我们首先通过姚期智教授的“百万富翁问题”引出了数据安全计算这个密码学话题，并介绍了多方安全计算在数据隐私中的应用场景