安全多方计算（MPC）是由图灵奖获得者姚期智院士于1982年提出的概念。通过将近40年的发展，在理论和工程上都得到了长足的进步。以秘密分享（Secret Sharing）、混淆电路（Garbled Circuit）和不经意传输（Oblivious Transfer）等技术为主的MPC协议中，往往网络通信上的代价要大于计算的代价。在合适的网络条件下基于上述技术的MPC协议的实际性能也能满足许多实际的需求。
安全多方计算兼具理论研究和实际应用价值，在电子投票、隐私保护的数据挖掘、机器学习、区块链、生物数据比较、云计算等领域有着广泛的应用前景。其核心是处理数据交换。数据分享等场景里的数据隐私问题。以MPC为代表的隐私计算技术可以实现数据在不离开本地情况下，完成计算任务，达到数据可用而不可见。
那么安全多方计算究竟能在商业与应用场景中做什么呢？
首先在公链中，以以太坊2.0为例，以太坊2.0网络中的一个安全性机制——Custody Game （托管策略）采用了MPC技术。为了保证轻节点可以安全地下载区块头构建区块链，无需担心区块数据不可用的问题，这里MPC的引入，不但实现了原始目标——提供安全性，还能创建新的质押商业模式，让多个用户共同分担成为验证人节点所需的经济门槛——32个ETH，在丰富商业玩法的同时，更重要的是提升了以太坊2.0网络的去中心化程度。
在行业应用中，医疗行业在电子病历（HER）数据跨域访问中，就会应用到MPC技术。在拥有个人数字身份基础设施的前提下，A医院可以在获得病人授权的前提下，对其在此前就诊的B医院申请数据访问，在满足诊疗需求的前提下，同时出于隐私合规和数据最小化的原则，该次访问仅需要了解病人的某项疾病的特征信息。
例如曾有对某类药物的过敏情况，返回是或者否。那么在这样的一个案例中，MPC技术就可以发挥最大的作用，通过对病人在B医院的病历记录的授权查询，不直接返回病人的病历数据，仅返回所需的药物过敏特征信息。
在目前最火热的可穿戴设备行业，MPC也有非常广泛的应用。Apple Watch是目前市场上销量最高的可穿戴设备， 其近日全新推出的Apple Watch Series 6除了可以监测人体心跳、血压等生理数据外，还加入了对新冠肺炎具有参考性的指标——血样指标。而这些属于用户的隐私健康数据能否被保护起来而不被滥用呢？
通过MPC技术是可以做到用户个体隐私与群体健康兼顾的。一种新的方案是，用户个体通过可穿戴设备（IOT传感器），实现与心跳、血氧、血压等多种生理数据源对接。设备均拥有数字身份，并由运营机构提供用户数据的本地计算，只需按验证规则返回验证结果。完全不需要在云端各数据源验证结果汇总计算，就可以生成该用户最终的健康状态。
除此之外，在人工智能（AI）领域，MPC的应用场景更加广阔，AI行业需要大量经过标注处理的相关数据做算法训练支撑，可以说数据决定了AI的落地程度。
PlatON生态中，基于TensorFlow的隐私AI框架Rosetta就是一款可以应用于AI行业的产品，其主要目的是降低AI开发人员的门槛，让他们可以在不需要了解隐私计算细节的情况下，仅仅通过添加一行代码的方式，将原先传统的数据处理方式转换为隐私计算的方式。
Rosetta本身是对AI训练中的各类基础算子进行了MPC本地封装，使得开发者可以通过算子组合，实现所需的训练算法，并且是以数据输入隐私得到妥善保护的方式执行。
在数据隐私问题越发被大家重视的今天，MPC技术的应用场景将逐步拓展，终成数字社会公共基础设施的底层技术。