MPC 问题与 Yao 混淆电路
通过混淆布尔电路理解双方安全计算
MPC 问题与 Yao 混淆电路 是 CoddyKit 上的免费 Cryptology Academy 课时。 这是第 1 节课,共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Cryptology Academy 学习路径的一部分,你的进度在网页和 CoddyKit 应用中同步。 Cryptology Academy 课程共包含 4 节课。
安全多方计算问题
MPC 允许 n 个参与方各自持有私有输入 x_i,在不向彼此泄露输入的情况下共同计算 f(x_1,...,x_n)——就好像由一个受信任的第三方完成了计算。
经典示例:百万富翁问题
姚氏 1982 年的百万富翁问题:Alice 和 Bob 想知道谁更富有,但不透露各自的财富。不需要受信任的第三方。MPC 可以通过密码学保证解决这个问题。
MPC 中的安全目标
1. 隐私:参与方只能了解输出,以及能够从输出中推断出的信息。2. 正确性:即使部分参与方遭到攻破,输出仍然正确。3. 针对半诚实对手和恶意对手,存在不同的方案。
作为计算模型的布尔电路
任何函数都可以表示为布尔电路(由 AND、XOR、NOT 门组成)。MPC 协议通常在电路层面运行,安全地计算每个门。
姚氏混淆电路构造
Alice(混淆方)为每条线路分配两个随机标签:一个代表 0,一个代表 1。她使用输入线路标签加密每个门的真值表。Bob(求值方)通过不经意传输(OT)只能获得其输入对应的标签。
混淆门求值
Bob 会收到混淆表(每个 AND 门包含 4 个密文)。他使用自己的输入标签准确解密其中一行,得到输出标签,但无法知道该标签代表 0 还是 1。
点与置换优化
为每个标签附加一个随机的“选择位”。Bob 使用选择位,以 O(1) 的时间找到正确的混淆行,而不必尝试全部四种解密方式。计算量降低了 4×。
免费 XOR 优化
Kolesnikov 与 Schneider(2008 年)提出:选择一个全局偏移量 Δ。这样,对于每条线路都有 label_1 = label_0 ⊕ Δ。XOR 门无需加密即可完成,从而节省约 30% 的带宽。
半门:最少的 AND 门
Zahur 等人(2015 年)证明:每个 AND 门只需要 2 个密文(从 4 个减少而来)。与免费 XOR 结合后,这会使标准混淆电路的带宽需求减半。
两方混淆与多方混淆
经典混淆电路适用于两方。多方扩展方案(例如 BMR 协议)会在所有参与方之间并行进行混淆,但需要 O(n²) 的通信量。对于较小的 n,这种方案具有实用性。
知识检查
在姚氏混淆电路协议中,Bob 如何获得与其私有输入位对应的线路标签?
课程回顾
MPC 允许参与方在不泄露输入的情况下共同计算。混淆电路将布尔函数编码为加密的真值表。免费 XOR、半门、点与置换等优化使其具备实用性。OT 会私密地传递 Bob 的输入标签。
用 AI 导师学习 Cryptology Academy — 免费
在浏览器中编写并运行真实代码,获得全天候 AI 导师的即时帮助,并在网页或应用中继续学习。
- 课程
- 67
- 课程
- 261
常见问题解答
「MPC 问题与 Yao 混淆电路」课时是免费的吗?
是的 — 「MPC 问题与 Yao 混淆电路」的完整文本可在网页上免费阅读。要进行交互式练习(内置代码编辑器和全天候 AI 导师)并解锁 Cryptology Academy 课程的其余内容,请升级到 CoddyKit PRO。 Cryptology Academy 课程共包含 4 节课。
「MPC 问题与 Yao 混淆电路」这节课中我会学到什么?
通过混淆布尔电路理解双方安全计算 你通过在浏览器中直接运行的动手代码来练习 Cryptology Academy,全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Cryptology Academy 需要有经验吗?
无需任何先前经验。CoddyKit 上的 Cryptology Academy 课程适合初学者到高级学习者,你可以从这里开始或从头开始,按照自己的节奏学习。 这是第 1 节课,共 4 节。
「MPC 问题与 Yao 混淆电路」课时需要多长时间?
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动,所以你能稳步进步,并在网页和应用中从离开的地方继续。
我能在这节 Cryptology Academy 课中编写并运行代码吗?
能。每节 Cryptology Academy 课都包含内置代码编辑器,你可以在浏览器中直接编写并运行真实代码,并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- MPC 问题与 Yao 混淆电路
- GMW 协议与不经意传输
- SPDZ 与基于秘密份额的算术 MPC
- MPC 应用:私有集合求交与机器学习