本论文提出了一种名为 Decor 的计算框架，核心思想是将随机性相关的计算进行委托，以安全地评估非线性函数。在安全多方计算、同态加密等隐私计算场景中，非线性函数（如指数、对数、三角函数等）的求值通常高度复杂，且需要大量随机性来保证安全性。Decor 通过将部分随机性生成和预处理计算委托给辅助方，在保护输入隐私的前提下，显著降低主参与方的计算和通信开销。该方法可能基于秘密共享或混淆电路等技术，将非线性函数分解为更简单的操作，并利用委托的随机性来简化安全求值协议。论文的作者团队来自学术和工业界，可能提供了形式化的安全定义、协议构造、以及针对典型非线性函数的性能评估。由于仅提供标题，无法获取完整摘要，本摘要基于论文标题和常见研究背景进行概括，具体技术细节和实验结论需查阅原文。适合对隐私计算、安全多方计算和密码协议优化的研究人员和从业者阅读。