1.3 隐私计算技术地图：MPC 站哪里
1.3 隐私计算技术地图：MPC 站哪里
本节摘要：隐私计算不止 MPC 一条路。本节把同态加密、可信执行环境、差分隐私、联邦学习与 MPC 放在同一张地图上，按"信任假设、计算位置、信息暴露面"三条轴线逐项对比，并给出三个典型场景的选型演算。
选型的三条轴线
技术选型最常见的错误是问"哪个技术更好"，正确的问题是"哪个技术对我的威胁模型更贴合"。判断贴合度，看三条轴线就够了。轴线一：你信任谁？ 是信任密码学假设（没人能破解数学），还是信任硬件厂商（芯片没开后门），还是信任统计极限（聚合后的数字推不回个人）。轴线二：计算发生在谁的地盘？ 数据不动、代码动，还是代码不动、数据进加密域。轴线三：暴露面是什么？ 是密文、是中间消息、是聚合统计量，还是模型的梯度。
把五种技术往三条轴线上一摆，分歧立刻清晰。同态加密（HE）让计算发生在密文上，暴露面是密文，信任完全押在数学难题上，代价是计算开销高出明文几个数量级。可信执行环境（TEE）把计算搬进一块隔离的芯片飞地，暴露面几乎为零、性能接近明文，但信任押在 CPU 厂商的硬件实现上——Intel SGX 曾被披露的侧信道漏洞就是这类风险的现实注脚。差分隐私（DP）不保护计算过程，只在发布的结果里注入校准过的噪声，用统计上"无法区分"来保护个体，适合发布统计量而非完成联合计算。联邦学习（FL）让数据不动、模型参数动，但梯度本身可能被反推出训练数据（成员推断攻击是实证过的），所以常需要 MPC 或 DP 来补刀。
图：隐私计算技术地图
三道选型演算题
题目一：两家银行联合反洗钱筛查。 双方各有千万级客户流水，规则引擎要精确匹配对方名单。要求精确结果、不允许任何原始明细出域。TEE 方案性能最好，但两家是竞争关系，"信任同一家芯片厂商"在合规审查里说不清；MPC 门电路路线对精确匹配这类逻辑运算天然合拍。答案倾向 MPC（真实系统常用混淆电路或 PSI 变体，见第 7 章）。
题目二：监管部门发布行业统计数据。 只需要发布若干聚合指标，不需要交互计算。DP 直接加噪声发布，成本几乎为零，MPC 在这里属于杀鸡用牛刀。这个题的意义在于提醒：只有"多方能各自保留输入的联合计算"才是 MPC 的主场。
题目三：若干机构联合训练模型。 数据量大、需要迭代训练。纯 MPC 跑完整训练的通信开销在广域网上仍然吃紧；FL 先把"数据不动"做到，再用 MPC 保护梯度聚合环节，是最常见的混合架构。这也解释了为什么第 7 章会把 MPC 与联邦学习放在一起正面对比——它们在真实系统里更多是搭档。
MPC 的位置一句话
MPC 是隐私计算版图里唯一同时满足"不信任任何单点、支持通用计算、保护全过程"的框架。它用性能换信任下限：当你的威胁模型里存在"参与方本身不可信"这一条时，其他技术都要求你额外信任某个单点，只有 MPC 把信任完全交给了数学。这份信任有多贵、怎么把账算细，正是后续六章的内容。
本节要点：选型先画威胁模型再谈技术；五条路线的信任假设互斥而非优劣；MPC 的独特性在于去中心化信任下的通用计算能力。
选型速查问答
问：两边数据都脱敏过了，还需要 MPC 吗？ 脱敏不是保险箱：k-匿名被背景知识攻破、哈希被字典攻击反推，都是有公开案例的结论。判断标准不是"有没有处理过"，而是"处理后的数据面对掌握外部信息的对手还剩多少信息量"。手机号这类低熵字段即使哈希过，也应走加密求交（7.2 节）而不是明文比对。
问：TEE 性能好得多，机构间合作为什么不直接用它？ 因为合作双方往往互不接受"信任对方选的芯片"这个前提。TEE 方案里数据在对方机房解密计算，机密性依赖那颗芯片的实现正确性；MPC 方案里数据根本不离开本地，把"对方需要承诺的事"变成了"对方不需要承诺的事"。信任模型不同，不是性能高低的问题。
问：小团队没有多方需求，MPC 还有用吗？ 有一个常被忽略的用途：密钥管理。把一张重要私钥用 Shamir 方案分享给多个内部节点，任意三台在场才能签名、单机被入侵丢不了钥匙（2.2 节）——这是 MPC 思想在零合作场景下的直接落地。
五技术对照的成本补遗
主图的对照表还可以再补一行"成本集中在哪"：MPC 的成本集中在网络与工程集成，HE 集中在算力采购，TEE 集中在指定型号硬件与运维，DP 集中在统计方案设计，FL 集中在建模流程改造。预算紧张的团队按"成本集中点"评估哪条路线最痛，比按性能参数对比更贴近决策实际。
地图的动态视角：技术边界在互相渗透
这张地图不是静态的。近几年的趋势是边界渗透：MPC 与 HE 在预处理环节互相借力（2.5 节与 8.3 节的混合模式），FL 与 MPC 在聚合环节合流（7.1 节的混合架构），TEE 与 MPC 在部署层组成"硬件加速加密码兜底"的混合体（8.2 节）。单技术选型正在让位给组合编排，这是隐私计算工程化成熟的重要标志——就像当年"用什么数据库"的问题演变成"怎么设计存储架构"。
对个人能力的启示：只懂一个技术的工程师，价值正在被组合能力稀释。市场更需要的画像是"能画威胁模型、能按责任边界拆技术、能算混合方案的成本账"的架构型选手。本教程刻意把每种技术都放进对照框架里讲（而非孤立讲深），就是为了训练这种组合视角——读完后你可以不记得每个协议的细节，但那张"信任假设乘计算位置乘暴露面"的三轴图要留在脑子里，它是应对未来任何新技术入场的框架。
最后补一个实用提醒：给管理层画技术地图时，别按学科分类画，按"业务问题的形状"画——要精确匹配的画一条线连到 PSI，要联合建模的画一条线连到 FL 加安全聚合，要外部分析证明的连到 ZKP。技术地图的业务化翻译，常常比地图本身更能推动决策。
地图使用的三条禁忌
选型地图用错比不用还糟，三条禁忌记下来。禁忌一：拿地图代替威胁模型。 地图只回答"哪类技术大概适配哪类问题"，每一段具体合作都必须先写威胁模型再回到地图——顺序颠倒就是刻舟求剑。禁忌二：按厂商地图做决策。 每家厂商的技术地图都把自己画在中心，这是一切选型材料的第一性偏见；只信你自己画的图。禁忌三：一图定终身。 技术边界在渗透（本章开头说的），你的地图也要随项目复盘不断重画——每次落地后更新一版，一年后它就是机构最值钱的技术资产之一。
三条禁忌背后是同一种职业习惯：把地图当假设，把威胁模型当证据。证据驱动假设更新，地图服务决策——这套方法不止适用于隐私计算，也适用于你职业生涯里的每一次技术选型。