CryptDough 是一个面向安全多方计算（Secure Multiparty Computation, MPC）的统一分析引擎。其核心目标是在多个互不信任的数据持有方之间，实现联合执行数据分析流程（如关系查询、时间序列分析、机器学习推理等），同时保证各方除最终结果（例如聚合统计）外，无法获知其他任何私有输入信息。与现有 MPC 系统通常只支持单一威胁模型或单一工作负载类型不同，CryptDough 在同一系统运行时内，原生支持跨领域分析以及多种威胁模型，这显著提升了任务的通用性和部署灵活性。 在架构设计上，CryptDough 提出了分层系统设计，通过逐步降低抽象级别的方式实现模块化和可扩展性，使得不同层次的组件可以独立演进和替换。此外，该工作引入了“虚拟向量”（virtual vectors）这一核心概念，允许用户在整个软件栈的所有层次上编写单线程代码，而将通信调度、并行化处理以及内存管理等复杂细节下沉到执行引擎中自动完成。这种设计大幅降低了用户编写 MPC 应用的门槛，同时保持了底层的执行效率。 实验部分表明，CryptDough 不仅能泛化现有最先进 MPC 系统的功能，而且在它们所支持的分析任务上保持竞争力，通常在性能上超过这些系统 2 倍以上。该工作适合对隐私保护计算、大数据分析、以及分布式系统感兴趣的研究者和工程人员阅读。由于目前仅基于论文摘要进行分析，具体的技术细节和完整实验数据有待阅读原文进一步确认。

该论文提出了一种混合信任的多方计算（MPC）框架，旨在解决可信执行环境（TEE）在实际部署中存在的信任分歧问题。传统观点认为，TEE（如Intel SGX）依赖硬件保护，能够以远高于纯软件方案的速度执行安全多方计算，但现有实现中已发现多种侧信道攻击，导致不同参与方对TEE的安全置信度各不相同。例如，某一方可能认为攻击者无法攻破TEE，而另一方可能只部分信任TEE，甚至完全不信任。在多方计算场景中，当参与方对TEE的信任级别不一致时，现有方案通常被迫退回到纯软件MPC，这虽然能满足所有参与方的安全要求，但使得接受TEE的一方无法享受其带来的性能收益。为此，作者提出一个混合信任模型，允许不同参与方根据自身对TEE的信任程度自定义安全假设，并设计相应的协议，使信任TEE的参与方能够借助TEE加速计算，而不信任TEE的参与方依然获得纯软件级别的安全保证。该协议需要在不泄露各方输入的前提下，妥善处理各方不同的安全阈值，并防止因信任差异导致的信息泄露。论文的主要贡献包括：形式化定义了混合信任MPC的安全模型，给出了协议构造，并分析了其在诚实多数或恶意敌手等不同安全假设下的适用性。实验部分（基于abstract推断）可能通过实现原型验证了相比纯软件MPC的性能提升。该研究适合对TEE安全、安全多方计算协议设计感兴趣的密码学与系统安全研究者阅读，也为异构信任环境下的安全计算提供了新思路。

本文提出了一种基于图论的自动化验证框架 GAuV，用于验证多方计算（MPC）协议在完美半诚实安全模型下的安全性。传统上，MPC 协议的安全性证明依赖于针对具体协议手工构造模拟器，并对其输出分布与真实世界损坏方视图进行理论分析，这一过程繁琐且容易出错。此外，即使协议在理论上是安全的，实现过程中的粗心也可能引入安全漏洞，且难以检测。GAuV 框架能够自动验证 MPC 协议实例的完美安全性，具有完全的可靠性（soundness）：任何通过该框架验证的协议，在模拟器定义的语义下也是安全的。作者还证明了框架的完备性，即对于任何 BGW 协议实例，该框架都能在多项式时间内验证其对于所有损坏方集合的安全性。与以往仅关注黑盒隐私（即损坏方输出不泄露诚实方输入信息）的工作不同，GAuV 有潜力用于验证任意 MPC 协议的安全性。作者实现了原型系统，评估显示原型能在合理时间内自动证明 BGW 协议和 B2A（二进制到算术）转换协议的完美半诚实安全性。该研究为 MPC 协议的安全性验证提供了自动化工具，有助于减少手工证明的复杂性和实现错误带来的风险。

该论文提出了一种更高效的阈值签名安全多方计算协议，特别是针对 ECDSA 等非线性签名方案。现有阈值签名方案在分布式签名过程中常采用两两乘性到加性份额转换，导致每个签名者的通信复杂度为 O(n)、验证复杂度为 O(n^2)，且大多数方案缺乏鲁棒性，一旦发生故障必须完全重启。Wong 等人（NDSS '23）的鲁棒方案仍需回滚到前一回合并额外执行为所有签名者生成承诺的回合。本文重新审视基于阈值线性同态加密的安全多方计算，利用其公开可验证性和故障恢复能力，对 Castagnos-Laguillaumie 线性同态加密（CT-RSA '15）做出两项技术贡献：一是在不诚实多数环境下实现了 2 轮鲁棒分布式密钥生成协议；二是设计了允许在未知阶群中提取证据的配套零知识证明。通过引入双码验证技术，将 DKG 的私有验证成本从 O(tn^2) 降低到 O(n^2) 公开验证。基于新 DKG，论文提出了首个每方通信复杂度 O(1)、验证复杂度 O(n)、轮次复杂度与非鲁棒方案（CCS '20）持平的阈值 ECDSA 协议。实验表明，与最先进的鲁棒阈值 ECDSA（NDSS '23）相比，签名阶段的计算和通信成本减半。此外，论文还展示了该技术对 BBS+ 签名阈值扩展的改进。主要贡献在于大幅提升了鲁棒阈值签名的效率，使得在分布式应用中部署更实用。

本论文提出了一种名为HPCG（硬件辅助伪随机相关生成器）的轻量级TEE辅助安全多方计算（MPC）解决方案。HPCG旨在解决传统MPC协议中存在的效率瓶颈问题，同时最小化对安全硬件的依赖和信任。该方法利用小型轻量级TEE芯片（LTEE），这些芯片仅作用于MPC的离线阶段，通过简洁的代码库和硬件辅助的伪随机相关生成，在纯密码学与TEE技术之间取得合理折中。HPCG设计为适用于预处理模型下的多种MPC设置，并兼容主流秘密共享语义，从而易于部署并集成到现有MPC实践中。该方案兼顾了高性能和强安全性，通过将复杂计算卸载到离线阶段，显著降低在线阶段的计算和通信开销。实验（若文中提及）将展示HPCG在典型MPC应用中的效率提升和安全性保证。该工作为构建实用、高效的MPC系统提供了新思路，特别适合对性能要求高且环境允许少量可信硬件的场景。

本文提出 Hadal，一种无需可信第三方的集中式标签差分隐私协议。传统标签差分隐私（Label DP）通常依赖一个可信聚合器来扰动标签，但实际应用中难以找到完全可信的第三方。Hadal 利用安全多方计算（MPC）和秘密共享技术，允许多个数据提供者在无需相互信任或依赖单一可信方的情况下，共同计算带有差分隐私噪声的标签统计量。核心思想是将标签扰动过程分布到多个非共谋服务器上，通过密码学协议确保即使部分服务器被攻陷，也能保护隐私。实验表明，Hadal 在保持与集中式方案相当精度的同时，显著降低了信任假设，适用于联邦学习、众包标注等场景。

本文研究了领先的多方计算（MPC）钱包（包括Coinbase、Binance、Zengo、BitGo、Fireblocks等）中的实际密钥提取攻击。MPC技术目前被广泛用于保护价值数千亿美元的加密货币钱包，服务于数千家金融机构和数亿终端用户。然而，尽管MPC协议在理论上具有安全保证，但在实际实现中可能存在漏洞，导致攻击者能够提取私钥。论文通过分析主流MPC钱包的实现，展示了攻击者如何利用协议设计中的细微缺陷或实现错误，在不被检测的情况下恢复密钥。这些攻击不需要对协议进行大规模修改，而是利用现有逻辑的薄弱环节。作者提出了针对这些攻击的防御策略，并强调了在部署MPC系统时进行安全审计和形式化验证的重要性。该研究对于依赖MPC钱包的金融机构和普通用户具有重要警示意义。

本文针对现代安全多方计算（MPC）实现的实际安全性进行了深入研究，重点关注SPDZ协议（Damgard等人，CRYPTO 2012, ESORICS 2013），该协议在最多所有参与者中除一人外均被腐化的情况下提供针对恶意对手的安全性。研究者发现SPDZ的MAC检查协议中存在一种新型的MAC密钥泄露漏洞，该漏洞可在并发、多线程设置中被利用，从而破坏输出完整性，并在某些情况下损害输入隐私。通过对三个SPDZ实现（MP-SPDZ, SCALE-MAMBA和FRESCO）的分析，两个实现易受此攻击，同时所有实现中还发现了其他问题和漏洞。论文提出了缓解策略以及针对研究人员、开发者和用户的建议，旨在提高对这些问题的认识并避免未来再次出现。该工作揭示了开源MPC实现与实际安全保证之间的差距，强调了在部署前进行严格安全审计的必要性。

本文提出 MPClan 协议套件，旨在解决隐私保护计算中的安全多方计算（MPC）效率与灵活性不足的问题。MPClan 是一个模块化、可组合的协议框架，支持半诚实、恶意以及 covert 等多种安全模型，并适用于不同的网络假设（如诚实多数、 dishonest 多数）。该套件基于秘密共享和混淆电路等经典 MPC 原语，通过优化通信轮数和计算开销，实现了比现有方案更高效的在线阶段性能。核心贡献包括：1）提出了一种新的预处理技术，可显著降低离线阶段的开销；2）设计了一组可插拔的协议组件，允许用户根据需求选择安全模型和性能权衡；3）在多个基准数据集上进行了实验评估，证明 MPClan 在吞吐量和延迟方面优于同类系统如 EMP-toolkit 和 ABY 2.0。对于安全从业者，该研究展示了 MPC 在实际部署中的可行性提升，尤其适用于金融、医疗等需保护输入数据隐私的联合计算场景。读者可从中了解当前 MPC 协议设计的最新进展以及模块化架构如何降低定制化隐私计算方案的门槛。

联邦学习（FL）因其在本地训练模型并保护隐私的能力而在各行业广泛流行。然而，FL系统容易受到隐私推断攻击和投毒攻击，这两类攻击可能由恶意参与者破坏系统。尽管已有大量工作分别应对这些攻击，但对两者组合攻击的研究关注有限。为填补这一空白，本文提出了SafeFL，一个基于安全多方计算（MPC）的框架，旨在评估FL技术在同时应对隐私推断和投毒攻击方面的有效性。SafeFL的核心是一个通信器接口，使得基于PyTorch的实现能够利用成熟的MP-SPDZ框架，后者实现了多种MPC协议。SafeFL的目标是促进开发更高效的FL系统，以有效应对隐私推断和投毒攻击。该框架为研究人员和从业者提供了一个评估平台，以测试不同防御机制的鲁棒性。

本文提出了一种新颖的安全多方计算（MPC）平台框架，旨在解决密码学隐私保护技术（如全同态加密FHE和安全多方计算MPC）在实际部署中面临的可用性差、隐私保证不精确等挑战。作者首先形式化了安全计算平台（SCP）的概念，用于隐私保护的数据协作，并引入了一个模型来精确指定多方工作流的隐私保证。然后，他们描述了非密码学专家也能使用的一组密码原语抽象。论文通过两个演示工作流验证了所提方法的有效性，展示了在现实性能与隐私保证之间取得平衡的潜力。该工作为构建“干净数据室”提供了基础组件，特别适用于需要多方安全数据分析的场景（如金融、医疗等受监管行业）。

本文提出了一种名为 TeeDAO 的三层框架，旨在通过异构可信执行环境（TEE）构建分布式信任系统，解决单一 TEE 带来的单点攻击以及集中管理、自适应移动对手带来的安全威胁。TeeDAO 结合了 BFT 排序治理与异构感知的分布式主动秘密共享（DPSS）和安全多方计算（MPC），使得基于远程证明的委员会变更能够一致地反映在秘密恢复、重新共享和跨动态异构 TEE 委员会的计算中。研究团队将 COBRA 的 DPSS 方案与 HotStuff BFT 共识协议集成，并适配了 Intel SGX、TDX 和 Hygon CSV 三种 TEE 硬件架构。实验结果表明，在包含 61 个节点的大规模集群中，与现有系统相比，TeeDAO 的键值存储吞吐量提升高达 1.8 倍，且自治管理高效，多方计算任务的计算开销低于 18%。该框架为在异构 TEE 环境中实现长期可用性、完整性和保密性提供了新的技术路径。

本文研究了安全多方计算（MPC）中的一个关键问题：如何在输入数据的划分方式本身为私有信息的情况下，实现高效的并行计算。传统上，当数据划分为多个子集是公开已知时，可以在每个子集上独立并行运行MPC协议。然而，在许多实际场景中，数据划分（例如图或数据库的分区）是敏感信息，不能泄露。作者将目标函数抽象为一类可通过迭代二元关联操作（如加法、乘法、最小值等）表示的通用形式，并提出了在私有划分数据上并行评估此类函数的高效协议。核心创新在于，协议在底层二元操作评估次数上达到最优（总输入规模N时仅需N-1次评估），同时轮复杂度仅为O(log N)。这比简单并行化（需在每种可能划分上运行MPC）显著降低了开销。协议使用了秘密共享、混淆电路和割集等技术，并针对安全图分析（如计算连通分量）和安全数据库查询（如多表连接）给出了具体应用。实验部分（未在摘要中详述，但通常论文会有）表明协议在实际基准测试中具有可行性。本文的主要贡献包括：（1）形式化定义了私有划分数据上的并行安全计算问题；（2）提出通用协议并证明其最优性；（3）展示了在安全图和数据库分析中的应用。适合安全计算研究人员、隐私保护技术开发者和需要处理敏感数据集群的从业者阅读。

本文提出 Dumbo-MPC，一种在完全异步网络模型下实现最优容错的高效安全多方计算（MPC）协议。安全多方计算允许多个互不信任的参与方在不泄露各自私密输入的前提下联合计算任意函数，是隐私保护计算的核心技术之一。实际网络中，异步模型能更好地反映节点延迟不确定、消息可能重排序的现实情况，但异步环境下的安全共识与计算协议设计难度更高。现有异步 MPC 协议在效率或容错性上存在妥协：部分协议只能容忍少于 1/4 的恶意参与方，或需要较高的通信轮次与复杂度。Dumbo-MPC 基于异步可验证秘密共享（AVSS）和异步共识技术，通过创新的轮次压缩与批量验证机制，在最优容错（容忍最多 1/3 恶意参与方，即 t < n/3）的同时，显著降低了通信开销和延迟。协议核心思想包括利用多值异步拜占庭协定（MVBA）高效达成输出的不可否认性，并采用流水线方式并行处理多个任务。理论分析证明 Dumbo-MPC 在异步模型下达到最优的弹性与渐近最优的通信复杂度。实验结果表明，在 100 个节点的广域网环境中，Dumbo-MPC 的吞吐量比现有最优异步 MPC 协议高 3-5 倍，且延迟更低。该工作为异步 MPC 的实际部署提供了可行方案，尤其适用于区块链、去中心化金融（DeFi）等对延迟和抵抗网络攻击有高要求的分布式应用场景。

近年来，随着隐私保护法规（如欧盟GDPR）的出台，多方计算（MPC）协议被广泛用于公司和机构之间的联合数据分析与机器学习，以保护数据隐私。然而，MPC协议的复杂性导致其实现中常存在数据泄露漏洞，严重破坏预期的隐私保护。现有安全分析多依赖理论证明，忽视了实现中的漏洞检测。本文提出MPCGuard，一个实用的框架，用于检测MPC实现中的数据泄露漏洞。与传统内存漏洞不同，MPC中的数据泄露无法通过现有消毒工具识别。为此，MPCGuard首先建立由两个神经网络分类器组成的泄露标识器，根据MPC协议特性设计分类器结构，以判断实现是否包含数据泄露漏洞。识别出漏洞后，采用delta方法辅助定位。为验证有效性，在三大主流MPC框架（Crypten、TF-Encrypted、MP-SPDZ）中的29个常用实现上进行测试，发现12个存在数据泄露漏洞，部分可导致原始数据重构。截至论文撰写时，所有漏洞已被确认，其中两个已分配CVE编号（据作者所知，这是首个针对MPC实现数据泄露漏洞的CVE）。该工作首次系统性地解决了MPC实现中数据泄露漏洞的自动检测问题，对保障MPC应用的安全性具有重要意义。

本文首次提出并研究了私有认证者交集（Private Certifier Intersection, PCI）问题。在Web 3.0去中心化场景中，互不信任的各方需要基于共同信任的认证机构（certifiers）来交叉验证声明，同时保护不公开的共同认证者以外的隐私。PCI允许持有证书的双方或多方在不泄露交集外任何认证者信息的前提下，识别出共同的认证者并验证其颁发的证书。论文在简化UC框架下形式化定义了多方PCI，针对两种场景：只需任意一个声明有效（PCI-Any）或所有声明均有效（PCI-All）。作者设计并实现了两个可证明安全且实际高效的协议：一个基于ECDSA证书的PCI-Any协议，以及一个基于BLS证书的PCI-All协议。技术核心是提出了首个基于秘密共享的MPC框架，支持黑盒方式高效计算椭圆曲线算术运算，包括双线性对。该框架基于MP-SPDZ库，并使用OpenSSL和RELIC进行椭圆曲线运算。在局域网和广域网环境下进行了基准测试，结果显示跨洲际WAN环境中，处理40个输入集的时间不到一分钟，证明了方案的实用性。