本文提出了一种在恶意安全模型下实现秘密共享随机洗牌（Secret-Shared Shuffle）的高效协议。随机洗牌是许多安全多方计算（MPC）应用中的核心子程序，例如匿名通信、数据隐私保护下的排序和机器学习等。现有的大多数洗牌协议仅在半诚实安全模型下工作，或虽能抵抗恶意攻击但效率较低。本文设计的协议利用秘密共享和可验证洗牌技术，确保即使有恶意参与者，也能正确完成洗牌操作且不泄露任何中间信息。协议的核心思想是结合随机排列的承诺和零知识证明，使各方能够验证洗牌的正确性，同时保持计算和通信开销的实用性。文中给出了详细的安全性证明，并通过实验评估了协议的性能，表明与现有恶意安全方案相比，本方案在线下/线上计算阶段都有显著改进。该工作适用于需要高安全保证的MPC系统，特别是在敏感数据处理场景中。

本文研究信息论安全的分布式点函数（ITDPF）的密钥长度优化问题。分布式点函数允许将点函数 f_{alpha,beta}(x) 拆分为 n 个份额（密钥），分发给 n 个服务器，每个服务器可用其密钥计算 f_{alpha,beta}(x) 的加法份额，同时任意不超过 t 个服务器无法获取函数任何信息。现有完全安全的 1-private ITDPF 存在密钥长度较长的不足。本文基于 Ghasemi、Kopparty 和 Sudan 在 STOC 2025 上提出的私有信息检索（PIR）方案，设计了一种新的份额转换方法，构造了一个完全安全的 1-private ITDPF，输出群为 Z_p（p 为任意素数）。与现有同输出群的完全安全 ITDPF 相比，新方案的密钥长度在渐近意义上更短，效率更高。该成果对安全多方计算、秘密共享、隐私保护等底层密码原语的性能提升具有理论价值。