MPC

本章通过一个具体的例子介绍具有完美隐私性的通用安全多方计算协议，核心构建模块是Shamir秘密分享方案，包括拉格朗日插值法、秘密重构、隐私性证明以及安全加法和乘法协议等内容，是隐私计算课程的重要实践章节。

本章概述安全多方计算（Secure Multi-Party Computation, MPC）的基本概念、核心问题、应用场景，介绍秘密分享机制和安全加法/乘法协议的基础构造思想，是隐私计算课程的理论入门。

本文详尽总结了隐私计算与安全多方计算（MPC）的理论体系，涵盖秘密分享、OT 协议、混淆电路及恶意安全模型等核心内容，是深入理解隐私计算技术的完整指南。

本文深入探讨了安全多方计算（MPC）在恶意敌手模型下的安全性增强技术，涵盖了通用的 GMW 编译器、针对混淆电路的切分选择（Cut-and-Choose）技术以及 LP11 协议的详细推导。

深入探讨 Beaver 三元组（Beaver Triples）技术，讲解其通过离线预处理生成相关随机数来加速 MPC 在线乘法运算的核心原理与安全性证明。