姚友罡,肖 铮,2

(1.成都东软学院 保卫部，成都 611844;2.四川工商职业技术学院 信息工程系， 成都 611830)

0 引言

大数据分析是企业对外决策的关键环节之一，决策的数据往往来自不同的数据源。例如，从企业自身数据到城市数据、从基因数据到网络数据等，跨数据实体(数据源)分析是数据分析的迫切需求。然而，隐私数据或机密数据泄露已成为跨数据源分析的主要障碍，工业界、学术界致力于寻找跨数据源分析的实用技术。安全多方计算(MPC)作为一种密码技术，允许独立的参与方在不泄露自身私有输入的情况下联合执行所需的计算，是跨数据源分析的常用技术之一。自20世纪70年代末提出MPC概念[1-3],到如今的30多年历史里，一直是密码学研究的活跃领域。近年来，MPC的研究取得了重大进展[4-6]，然而，由于以下四方面的原因，使得MPC的研究仍局限于概念验证阶段[7]：

1)因涉及密码学相关技术，MPC应用、部署较难。

2)MPC无法利用现有的成熟算法，需要从头开始部署。

3)现有的MPC引擎是孤立设计的，不适应如MapReduce之类的云编程范式。

4)MPC开发所需的编程/工程专业知识异于在敏感数据集上评估隐私泄露所需的专业知识。

与专注于MPC协议原语的实现不同，从MPC技术在云计算环境中的实际应用与企业项目开发角度考虑如何处理这些问题，即将MPC集成到云计算的编程范式中。更具体地说，同时扩展了MPC的MapReduce实现技术，允许多方利用自己的计算资源，支持多方计算(MPC)和MapReduce的混合编程。本文的创新点和主要贡献如下：