CryptDough 是一个面向安全多方计算（MPC）的统一分析引擎，由来自波士顿大学等多机构的研究者提出。在传统 MPC 解决方案中，系统通常只支持单一威胁模型或单一工作负载类型（如关系查询、时间序列分析或机器学习推理），这使得跨域联合分析变得复杂且低效。CryptDough 的核心目标是在同一系统运行时内，为多种威胁模型（如半诚实、恶意等）和多种分析类型提供原生支持，从而解决现有系统的碎片化问题。为实现这一目标，论文提出了两项关键设计：一是分层系统架构，通过渐进式抽象降低（progressive lowering of abstractions）实现模块化和可扩展性；二是“虚拟向量”（virtual vectors）概念，允许用户在整个软件栈的各层编写单线程代码，而将通信、并行化和内存管理的复杂性下沉到执行引擎中自动处理。这种设计不仅简化了用户编程模型，还使得引擎能够统一优化不同负载。实验表明，CryptDough 能够泛化现有最先进 MPC 系统的功能，并且在它们所支持的分析任务上性能具备竞争力，通常在多个基准上实现超过 2 倍的性能提升。该论文主要面向系统研究者、隐私计算工程师以及需要构建跨域联合分析平台的数据基础设施团队。