1.2 关键特性与分类框架

1.2 关键特性与分类框架

本节摘要：PETs 不是单一技术，怎么分类？本节讲清楚 PETs 的关键特性（隐私保证/计算模式/信任假设）、主流分类框架（按保护目标/技术路线/部署模式）、以及分类如何指导选型。读完你能给任意 PETs 技术定位归类。

一、PETs 的关键特性

每项 PETs 技术有几个关键特性，决定它的适用场景：

1. 隐私保证

• 输入隐私：参与方输入不泄露（MPC、HE）。
• 输出隐私：输出不泄露个体信息（差分隐私）。
• 身份隐私：参与方身份匿名（匿名通信、群签名）。
• 计算隐私：计算过程不可见（TEE）。

2. 计算模式

• 离线/在线：离线阶段做重计算（MPC 预处理），在线阶段快。
• 交互/非交互：多方交互（MPC）vs 单方计算（HE）。
• 同步/异步：同步轮次（MPC）vs 异步流式（差分隐私查询）。

3. 信任假设

• 半诚实：参与方按协议执行但好奇（偷看）。
• 恶意：参与方可能任意偏离协议。
• 信任硬件：信任 TEE 厂商和硬件（SGX）。
• 信任第三方：信任可信第三方（TTP）。

4. 性能特征

• 计算开销：HE 慢 1000-10000 倍，MPC 慢 10-1000 倍，TEE 接近原生，DP 几乎无开销。
• 通信开销：MPC 通信重，HE 通信轻，DP 无额外通信。
• 精度损失：DP 加噪声降精度，HE/MPC/TEE 无精度损失。

这些特性互相制约——强隐私保证往往伴随高性能开销，无信任假设往往需要复杂协议。

二、分类框架一：按保护目标

按"保护什么"分类：

1. 内容隐私

• 保护数据内容不泄露。
• 技术：HE（加密计算）、MPC（多方各持部分）、TEE（硬件隔离）。
• 场景：联合统计、联合建模、敏感数据计算。

2. 身份隐私

• 保护参与方身份。
• 技术：匿名通信（Tor、Mixnet）、群签名、凭证匿名。
• 场景：匿名举报、匿名交易、隐私认证。

3. 行为隐私

• 保护行为模式（访问什么、何时访问）。
• 技术：混合网络、 Oblivious RAM（ORAM）、私有信息检索（PIR）。
• 场景：隐私搜索、隐私访问数据库。

4. 统计隐私

• 保护个体在统计结果中不被识别。
• 技术：差分隐私、k-匿名、l-多样性。
• 场景：数据发布、统计查询、模型训练。

一项技术可能跨多类——如 TEE 保护内容+计算隐私，差分隐私保护统计隐私。

三、分类框架二：按技术路线

按"用什么方法"分类：

1. 密码学路线

• 用密码学协议保证隐私，数学证明安全。
• 技术：HE、MPC、ZKP、秘密共享、PIR、ORAM。
• 优点：可证明安全，不依赖硬件信任。
• 缺点：性能开销大，工程复杂。

2. 统计路线

• 用统计方法加噪声/聚合，量化隐私损失。
• 技术：差分隐私、k-匿名、聚合统计。
• 优点：性能好，部署简单。
• 缺点：精度损失，隐私保证是概率的。

3. 系统级路线

• 用硬件/系统隔离保证隐私。
• 技术：TEE（SGX/TrustZone/SEV）、安全飞地。
• 优点：性能接近原生，部署相对简单。
• 缺点：依赖硬件信任，侧信道攻击风险。

4. 分布式路线

• 数据不动，计算/模型动。
• 技术：联邦学习、分布式差分隐私、安全聚合。
• 优点：数据不出域，合规友好。
• 缺点：协调复杂，模型隐私另算。

5. 混合路线

• 组合多类技术。
• 技术：联邦学习+差分隐私+MPC、TEE+HE。
• 优点：取长补短。
• 缺点：复杂度高，调试难。

四、分类框架三：按部署模式

按"怎么部署"分类：

1. 集中式

• 数据集中到一方，用 PETs 保护计算。
• 技术：HE（云上加密计算）、TEE（云上飞地）。
• 场景：云上敏感计算、外包计算。

2. 分布式

• 数据分散在各方，多方协作计算。
• 技术：MPC、联邦学习、安全聚合。
• 场景：跨组织合作、移动端联邦。

3. 客户端

• 计算在用户设备，服务端只收结果。
• 技术：客户端差分隐私、本地 DP、联邦学习客户端。
• 场景：手机数据采集、浏览器隐私统计。

4. 混合

• 多模式组合。
• 场景：复杂业务流。

五、分类如何指导选型

分类不是学术游戏，是选型工具。选 PETs 的流程：

1. 明确保护目标：保护内容？身份？行为？统计？——选对应类。

2. 评估信任假设：能信任硬件吗？能信任第三方吗？参与方半诚实还是恶意？——选对应技术路线。

3. 评估性能预算：能接受多大计算/通信/精度开销？——筛掉超预算的。

4. 评估部署模式：数据能集中吗？必须分布式吗？——选对应部署模式。

5. 组合验证：单一技术不够时组合，验证组合的隐私保证和性能。

举例：

• 银行联合风控：保护内容（MPC/HE）、多方半诚实（MPC）、性能中等可接受（MPC）、数据不出域（分布式）→ MPC。
• 手机输入法模型：保护统计（DP）、信任用户设备（客户端 DP）、性能要求高（本地 DP）、数据不上传（客户端）→ 联邦学习+本地 DP。
• 云上敏感计算：保护内容（HE/TEE）、信任云但不信任云运维（TEE）、性能要求高（TEE）、数据可上云（集中式）→ TEE。

分类让选型有章法，而不是"听说 XX 好就用 XX"。

六、主流 PETs 技术归类

把后面章节的技术按分类定位：

这张表是选型起点，后面章节详述每项的细节和坑。

⚠️ 常见误读：以为"分类是学术游戏"。分类是选型工具——明确保护目标、信任假设、性能预算、部署模式，才能选对技术。不做分类直接选技术，常选错。

💡 关键直觉：PETs 关键特性（隐私保证/计算模式/信任假设/性能）互相制约。三类分类框架：按保护目标（内容/身份/行为/统计）、按技术路线（密码学/统计/系统级/分布式/混合）、按部署模式（集中/分布/客户端/混合）。分类指导选型：保护目标→信任→性能→部署→组合。每项技术可定位归类，是选型起点。

一节小结

• 关键特性：隐私保证（输入/输出/身份/计算）、计算模式（离线在线/交互/同步）、信任假设（半诚实/恶意/硬件/第三方）、性能特征（计算/通信/精度）——互相制约。
• 分类一：保护目标：内容（HE/MPC/TEE）、身份（匿名通信）、行为（ORAM/PIR）、统计（DP/k-匿名）。
• 分类二：技术路线：密码学（可证安全但慢）、统计（快但精度损失）、系统级（快但依赖硬件）、分布式（数据不出域）、混合（取长补短但复杂）。
• 分类三：部署模式：集中（云上）、分布（跨组织）、客户端（用户设备）、混合。
• 选型流程：保护目标→信任假设→性能预算→部署模式→组合验证。
• 归类表：HE（内容/密码学/集中/慢）、MPC（内容/密码学/分布/中）、DP（统计/统计/客户端/快）、FL（内容/分布式/分布/中）、TEE（内容+计算/系统级/集中/快）等。
• 分类价值：选型有章法，避免"听说好就用"。

PETs分类框架