阈值同态加密在隐私计算中的应用

柴迪

(深圳致星科技有限公司，深圳 518057)

0 引言

大数据技术的发展与硬件算力的提升，促进了人工智能(Artificial Intelligence，AI)技术的发展与落地，愈来愈多的市场应用以大数据作为驱动，借助机器学习算法模型挖掘数据中的价值、并服务于企业。大数据技术的应用无疑给工业界带来了诸多好处，例如AI风控降低了银行的坏账率、提升了反欺诈的识别率，AI营销降低了企业营销成本、减少了对低兴趣客户群体的干扰。然而，大数据、AI技术在工业界的应用经常存在一个问题，单个企业的数据一般无法支撑算法在自身业务场景的落地。例如，银行的风控、营销任务往往需要互联网公司数据中的精准用户画像，在反欺诈案件识别中一般需要多家银行的数据连通来提升准确率，所以工业界中往往需要数据互通、数据共享。

隐私计算(Privacy Preserving Computing)是一种由多方参与的联合计算技术，多方在不泄露各自隐私数据的前提下，完成预定的计算任务，并获得最终结果。在实际应用中，隐私计算既可以发生在同一企业的不同部门，也可以发生在不同企业之间。典型的隐私计算框架假设各个参与者的明文数据不出本地，以降低隐私泄露的风险。常用的隐私保护技术包括同态加密、秘密共享、不经意传输、混淆电路、可信执行环境等。本文将重点关注基于同态加密的隐私计算技术，对比单密钥同态加密和阈值同态加密技术，展示阈值同态加密技术在隐私计算中应用的优势。

1 单密钥同态加密及其在应用中的不足