August 9, 2025
3 min read
Tính toán đa bên (Multi-party computation - MPC) là một phương pháp mật mã cho phép nhiều bên cùng nhau tính toán một hàm trên các đầu vào của họ trong khi vẫn giữ riêng tư các đầu vào đó. Mục tiêu chính của các giao thức MPC là tính đúng đắn và tính riêng tư: đảm bảo rằng kết quả đầu ra là chính xác và không bên nào có được thêm kiến thức về đầu vào của các bên khác ngoài kết quả cuối cùng.
Các thuộc tính chính được xác định trong các tài liệu nghiên cứu bao gồm:
Những thuộc tính này đã được nghiên cứu kỹ lưỡng trong các công trình nền tảng như của Yao (1982) và Goldreich, Micali, và Wigderson (1987), những người đã chính thức hóa các giao thức đánh giá hàm an toàn.
Các ứng dụng đã chứng minh tầm quan trọng thực tiễn của MPC trong các kịch bản bảo vệ quyền riêng tư. Ví dụ, trong bảo mật ví kỹ thuật số, MPC tăng cường khả năng bảo vệ bằng cách chia khóa riêng thành các phần được phân phối trên nhiều thiết bị hoặc thực thể, ngăn chặn bất kỳ điểm xâm phạm đơn lẻ nào. Cách tiếp cận này được ghi nhận trong các nghiên cứu gần đây về việc tích hợp mật mã ngưỡng với các khuôn khổ MPC.
Các giao thức MPC dựa trên nhiều nguyên thủy mật mã khác nhau như chia sẻ bí mật, mã hóa đồng cấu, và bằng chứng không kiến thức. Sự kết hợp của chúng đảm bảo rằng các tính toán được tiến hành mà không tiết lộ trạng thái trung gian hoặc đầu vào, duy trì tính bảo mật trong suốt quá trình. Độ phức tạp của việc triển khai thay đổi tùy theo mô hình mối đe dọa—đối thủ trung thực nhưng tò mò so với đối thủ độc hại—và ảnh hưởng đến các lựa chọn thiết kế giao thức.
Các đánh giá thực nghiệm cho thấy rằng các lược đồ MPC có thể đạt được hiệu suất thực tế cho các tính toán quy mô hạn chế nhưng thường phát sinh chi phí cao hơn so với các tính toán không an toàn. Sự đánh đổi giữa đảm bảo an ninh và hiệu quả này vẫn là một trọng tâm nghiên cứu chính.
Tóm lại, MPC cung cấp một khuôn khổ vững chắc cho sự hợp tác đa bên an toàn, cân bằng giữa các yêu cầu nghiêm ngặt về quyền riêng tư với tính đúng đắn của tính toán. Việc áp dụng ngày càng tăng của nó trong các lĩnh vực nhạy cảm nhấn mạnh tầm quan trọng của nó như một công cụ để tạo dựng niềm tin trong các hệ thống phân tán mà không cần tiết lộ dữ liệu tập trung.
