多方安全计算，说白了就是：**几个人各揣着一个秘密，谁也不用亮底牌，却能一起算出一个大家都认账的结果**。这在十年前还像科幻，如今已经是银行、医院、政务数据圈里实打实在用的技术。最近它频繁出现在数字身份、数据要素、AI 数据合作的新闻里，值得每个关心“我的数据到底被谁用了”的人花五分钟搞懂。 **目录** 1. 多方安全计算是什么？ 2. 为什么最近这么火？ 3. 一张图看懂 4. 和我有什么关系？ 5. 一分钟总结 6. 延伸阅读 7. 参考来源 --- ## 一、多方安全计算是什么？ 先讲一个真实到扎心的场景：三个同事聚餐，想算算大家的平均工资，看看自己是不是拖了后腿。但谁都不愿意第一个说出自己的数——工资在中国人的话题清单里，敏感程度约等于体重。 传统办法只有两种： - **找个“公道的中间人”**：大家把工资偷偷告诉一位绝对可信的第三方，他算完只公布结果。问题是，现实中你去哪找这样一位永远不会泄密、也不会偷偷记小本本的“Tony 老师”？ - **有人先妥协**：第一个人报了数，其他人跟着报。妥协的人承担了全部风险。 多方安全计算（英文 Secure Multi-Party Computation，简称 MPC，学术圈也常叫“安全多方计算”，一个意思）给出的第三种答案震惊了密码学界：**不用中间人，大家只通过互相发“加密碎片”的消息，就能把结果算出来，而且除了结果，谁也多知道不了任何事。** 这个问题有个著名的版本，叫**百万富翁问题**：两位富翁碰面，想知道谁更有钱，但谁也不肯透露自己的具体身价。1982 年，华裔计算机科学家姚期智（后来成为第一位拿图灵奖的华人，图灵奖相当于计算机界的诺贝尔奖）在论文里证明了：这件事可以做到——两位富翁只需要按一套精心设计的流程互发消息，最后两人都知道“谁更富”，却依然不知道对方到底有多少钱。这篇论文被公认为多方安全计算的起点。 ### 它是怎么做到的？拆纸条的魔法 MPC 最核心的招数之一叫**秘密分享**，原理用小学数学就能讲明白。还是刚才三个同事，假设工资分别是 8000、12000、10000，想让总和出来又不亮底牌： 每人把自己的工资**随机拆成三片**，分给三个人（自己留一片，另外两片发给别人）： - 甲把 8000 拆成：自留 2000，给乙 3500，给丙 2500 - 乙把 12000 拆成：自留 4000，给甲 5000，给丙 3000 - 丙把 10000 拆成：自留 3000，给甲 2500，给乙 4500 注意，每个碎片都是一个看不出规律的随机数，单看任何一片，你**完全无法**反推出对方工资是多少。 然后每人把**自己手上的三片加起来**：甲得 9500，乙得 12000，丙得 8500。最后三人各自公布这个“加总之和”——9500 + 12000 + 8500 = **30000**，正是三人工资总和！ 为什么成立？因为每个人的工资都被完整拆到了三个人手里，每人加出的那份其实包含了所有人工资的一个“碎片组合”，加在一起刚好拼回总和。而整个过程里，没有任何一个原始工资数字出现过。 这就是 MPC 的精髓：**把“数据”和“数据算出的价值”拆开**。数据像被撕碎的信纸，碎片飞来飞去，最后拼出来的只有那一句“答案”。 ### 它解决什么问题？ 一句话：**数据要用，但不能给。** 医院的病历、银行流水、运营商的上网记录、政务数据，都是金矿，但《个人信息保护法》和各行业的红线让它们不能随便出门。数据孤岛就是这么来的——不是不想用，是不敢共享。MPC 提供了一条路：数据不出门，计算价值出门。 --- ## 二、为什么最近这么火？ ### 理论等了四十年，工程刚跑起来 MPC 有个特点：理论完美得早，落地来得晚。1987 年，密码学家们就证明了“**任何**计算任务都可以安全地多方完成”——数学上无可挑剔。但早期协议慢得惊人，算一个简单比较可能要几小时，被戏称为“密码学的空中楼阁”。 转折点发生在 **2008 年 1 月的丹麦甜菜拍卖**：丹麦的甜菜种植户和收购商用 MPC 完成了一次真实的电子竞价拍卖——农户的报价互相保密，但市场出清价照样算了出来。这是 MPC 第一次大规模商用，被写进了几乎所有密码学教科书。 **2020 年，MPC 联盟（MPC Alliance）成立**，几十家科技公司抱团推广这项技术，产业化的齿轮从此转了起来。 ### 2025 年的三个最新动向 **第一，数字身份成了新舞台。** 据行业媒体 Biometric Update 2025 年 8 月报道，丹麦密码公司 Partisia 与日本凸版（Toppan）、冲绳科学技术大学院大学合作，正在测试一套“人脸识别 + 去中心化身份”的学生数字证照系统：人脸特征加密后存在个人设备里，核验身份时用 MPC 在**不解密、不集中存储**的情况下完成人脸比对——既符合欧盟 eIDAS 2.0 数字身份标准，又让生物特征信息没有集中的“金库”可偷。这个试点从 2025 年 6 月一直测到 9 月。 **第二，医疗数据开始“密文里握手”。** 同一家公司在丹麦与国家统计局合作 OSCAR 项目，把医疗数据库与社会经济数据打通做科研分析——按照法规，这两类数据不允许任何人同时“裸看”，MPC 让研究人员在密文上直接跑分析，数据方谁也不吃亏。 **第三，Web3 圈把它当安全刚需。** MPC 钱包把私钥（控制数字资产的“总密码”）拆成多片存在不同地方，签名时多方联合计算，私钥从头到尾**没有在任何一处完整出现过**——黑客偷走任何一片都没用。 ### 容易搞混的“三兄弟” MPC 最近火，也因为它总跟另外两个词一起出现，属于“隐私计算”这个大家庭。用一张表区分（类比延续前面几篇的风格）： | 技术 | 一句话类比 | 谁来算 | 特点 | |---|---|---|---| | 多方安全计算 MPC | 几个人拆纸条接力算账 | 多方互相配合，没有中心 | 无单点，但需要各方在线互动 | | 同态加密 | 戴着手套在密文上干活 | 一台服务器单干 | 不用多方互动，但算力开销大 | | 联邦学习 | 只交笔记不交作业 | 各自训练，只传模型参数 | 专攻“联合训练 AI 模型”这一件事 | 三者不是竞争关系，而是工具箱里的不同扳手，实践中经常混搭使用。 --- ## 三、一张图看懂 用“三人算总工资”把 MPC 的完整流程画出来： ```mermaid flowchart TD A[三人算总工资
谁都不想亮底牌] --> B1[甲把8000
随机拆成三片] A --> B2[乙把12000
随机拆成三片] A --> B3[丙把10000
随机拆成三片] B1 --> C[互换碎片
每人凑到一把乱码] B2 --> C B3 --> C C --> D[各自把手中碎片加总] D --> E[三人同时公布加总结果] E --> F[总和30000出炉
过程零泄露] ``` 看懂这张图，你就看懂了 MPC 的一半；另一半是：如果有人中途使坏（不按规则拆、发假碎片），协议还能通过校验机制发现作弊者并把他踢出局——这部分叫“恶意敌手安全”，是学术圈过去十年攻关的重点。 --- ## 四、和我有什么关系？ **如果你是普通人：** 你大概率已经被 MPC 悄悄保护过了。去银行贷款时，多家机构联合评估你的信用，但互相不交换你的明细数据；刷脸核身时，你的人脸特征可以在密文状态下完成比对；未来电子证照普及，证明“我满 18 岁”“我有签证”可能只需要对方收到一个"Yes"，而不是看到你整本证件。MPC 不会出现在你的手机桌面上，但它是数据不裸奔的幕后守门员。下次看到“数据可用不可见”的新闻，背后大概率就有它。 **如果你是从业者：** 隐私计算工程师、密码学协议工程师是近年金融科技和大数据公司的稀缺岗位。想上手，开源框架 MP-SPDZ（支持 40 多种 MPC 协议变体）是学术界和工业界都认的标准练手工具；金融、政务、运营商大数据部门是落地最集中的三个方向。有数学或密码学底子的人，MPC 是“理论直接变现”最顺畅的赛道之一。 **如果你是投资者：** 看两条线：一是隐私计算产业（数据要素政策推进的直接受益方），二是 MPC 密钥管理与钱包（Web3 安全的硬需求）。但要清醒：MPC 的性能开销仍比明文计算高几个数量级，目前落地集中在金融、政务、医疗这类“数据足够值钱”的场景，别被“万物皆可 MPC”的叙事带偏——它贵，所以只用在刀刃上。 --- ## 五、一分钟总结 1. 多方安全计算 = 几个人各揣秘密，不亮底牌也能算出共同结果。 2. 核心魔法是“秘密分享”：把数据撕成随机碎片，碎片飞来飞去，只有答案拼得回来。 3. 1982 年姚期智提出百万富翁问题，2008 年丹麦甜菜拍卖首次商用，2025 年已经跑进数字身份、医疗数据和加密钱包。 4. 它和同态加密、联邦学习是隐私计算的“三兄弟”，分工不同，经常组队。 5. 记住一句话：数据不出门，价值出门。 --- ## 延伸阅读 - **秘密分享**：MPC 的地基功，拆纸条拆出门道来——门限方案、可验证秘密分享，下一篇可以展开。 - **隐私求交（PSI）**：MPC 最成功的单一应用，两家机构求“共同客户名单”，谁也拿不到对方的全量名单。 - **MPC 钱包**：私钥拆片、联合签名——为什么说它可能终结“助记词抄纸上”的时代。 --- ## 参考来源 1. [Secure multi-party computation - Wikipedia](https://en.wikipedia.org/wiki/Secure_multi-party_computation) — MPC 定义、姚期智百万富翁问题、丹麦甜菜拍卖、MPC 联盟及与同态加密/差分隐私的对比 2. [Multi-party computation is trending for digital ID privacy: Partisia explains why - Biometric Update（2025-08）](https://www.biometricupdate.com/202508/multi-party-computation-is-trending-for-digital-id-privacy-partisia-explains-why) — 日本学生数字身份试点、丹麦 OSCAR 医疗数据项目等 2025 年最新落地 3. [Yao, A. C. (1982). Protocols for secure computations - FOCS](https://dl.acm.org/doi/10.1109/SFCS.1982.38) — 百万富翁问题原始论文，MPC 领域开山之作 4. [MPC Alliance 官网](https://mpcaliance.org/) — 2020 年成立的 MPC 产业联盟，可查成员企业与应用案例 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。