本文针对安全两方计算（2PC）在统计函数支持上的空白，提出了 SafeStats 安全统计工具包。统计数据分析（如医疗记录、金融交易）对决策至关重要，但原始数据往往包含敏感信息，直接共享会带来严重隐私风险。现有 2PC 工作主要聚焦于通用安全原语（如加法、乘法）或机器学习相关函数，很少专门面向统计函数。作者从微软 Excel 的统计函数库出发，归纳出绝大多数统计操作可归约为三类核心函数：(1) 频次计数、(2) 排序、(3) 非线性数学函数。SafeStats 针对这三类分别设计了高效的 2PC 协议：安全频次计数采用基于安全移位（shift-based）的策略，避免调用昂贵的 2PC 相等性测试协议；安全排序引入安全段指示符协议（secure segment-indicator protocol），实现基于计数的安全排序，在特定统计场景下无需安全比较即可快速完成元素排序；非线性数学函数则改进了当前“先归约后近似”（reduce-then-approximate）的范式，引入基于二分法的范围归约协议（bisection-based range reduction）。作者实现了 SafeStats，并在 14 个常见统计分析案例上测试。以卡方检验为例，与直接使用通用 2PC 库相比，SafeStats 实现了 1.5 倍运行时间加速和 4.2 倍通信量降低。本文的核心贡献是为统计类隐私计算提供了专用高效协议，填补了该方向的研究空白。适合关注隐私保护数据分析、安全多方计算协议设计、以及医疗/金融等敏感数据统计场景的研究人员和工程人员阅读。

本文研究基于承诺模型（commitment-based model）的认证密钥交换（AKE）协议。该模型通过最终带外验证会话派生值实现认证，避免了长期密钥材料的使用。此前，研究人员已利用基于承诺的MT编译器构建了安全的KA（密钥协商）和KEM（密钥封装机制）协议，得到优化的4轮协议。本文证明，对于这两种原语，存在安全的3轮协议。这些协议是专门构造的，遵循基于承诺的MT认证器的核心思想，并采用相同的基于游戏的技术证明其在非认证模型下的会话密钥安全性，所得安全界限与之前的形式一致。最终协议仅需三次消息交换即可实现单向认证。本文为AKE协议设计提供了更高效的轮次方案，对需要减少通信轮次的安全协议应用具有参考价值。