共计 1358 个字符，预计需要花费 4 分钟才能阅读完成。
姚期智院士于 1982 年通过“百万富翁问题”提出了平安单方计算问题，“百万富翁问题”即两个百万富翁如何在没有第三者参加的状况下，比拟二者间谁更加富裕：
平安单方计算可被艰深的解释为：有两个人 Alice 和 Bob，Alice 把握数 a，Bob 把握数 b，如何在 Alice、Bob 不通知对方数 a、b 的具体值状况下，独特利用数 a 和 b 进行计算。
姚期智院士在提出“百万富翁问题”的同时，给出了三种解决办法，并探讨了在机密投票（Secret Vote）、不经意协商（Oblivious Negotiation）、隐衷查问数据（Private Querying of Database）的利用。
之后 Goldreich 在 1987 年对平安多方计算（Secure Multi-Party Computation）进行了探讨，提出了能够计算任意函数的计算意义下平安的平安多方计算协定。Goldreich 还从实践上证实了能够通过通用电路 (Universal Circuit) 估值来实现所有的平安多方计算协定。其后于 1988 年，Goldreich 对平安多方计算进行了总结和安全性定义。
之后在 1989 年，Beaver 等人钻研了信息论平安模型下的平安多方科学计算问题，提出了能够实现信息论平安的，复杂程度为常数轮的平安多方算数运算协定。
平安多方计算兼具实践钻研和理论利用价值，在电子投票、隐衷爱护的数据挖掘、机器学习、区块链、生物数据比拟、云计算等畛域有着宽泛的利用前景。
现实生活中的投票选举通过对立采纳空白选派、投票箱、有公信力的计票人以及全程录像直播等形式来确保偏心公正。而在电子投票畛域，投票人在家投票时，家中的计算机可能已被感化病毒，投票后果可能被歹意获取篡改等，因而电子投票系统必须保障投票人晓得本人的投票信息是否被正确提交，是否被歹意攻击者篡改，同时要爱护投票人的投票信息不被除了计票人外的其他人获取。平安多方计算为这种分布式环境下如何进行爱护隐衷信息和确保后果正确性的问题提供了良好解决方案。
Cramer 等人基于 ElGamal 门限加密技术和零常识证实提出了首个多选一电子投票计划，之后 Damgard 等人基于 Pailier 同态加密技术提出了多选多的电子投票计划。在 1992 年，A.Fujioka 等应用盲签名技术提出了驰名的 FOO 电子投票协定。
数据挖掘作为一个十分无效的数据分析工具，能够发现数据中隐含的法则，对迷信和政策钻研、商务决策等方面有着重要利用。然而被开掘的数据中往往都有着大量敏感性的信息，因而必须收到爱护，在隐衷爱护下进行数据挖掘。在多方状况下进行数据挖掘时，参与者往往不违心共享数据，只违心共享数据挖掘的后果，这种状况在迷信和医学钻研等方面十分常见，如各个医疗机构的病人信息是敏感信息，不会违心走漏。利用平安多方计算能够在爱护各方数据信息不被泄露的同时多方合作实现数据挖掘。
机器学习已被利用到各个领域，引发了大量改革，如图像和语音辨认、异样检测等。而在机器学习想要获得好的成果，须要大量数据进行模型训练。训练数据的隐衷爱护同样是问题。在多个机构单干进行模型训练时，数据分布在不同参与者处，平安多方计算能够在爱护敏感数据的隐衷性的同时让各个机构胜利进行模型训练。
总之，当各个参与者处于分布式环境下，又有数据隐衷爱护的要求时，就非常适宜利用平安多方。
