基础原语
FOUNDATION 密文算术 / 入门01L3
🔰Hello MPC
refs/nax/examples/01_hello_mpc.py
三方密文求和入门:
site.put / vault.share / 密文四则运算 / reveal。mpc 模块:
→
mpc.{init,vault,site}02L1
🔐PSI 求交
refs/nax/examples/02_psi_join.py
ECDH-PSI 双方求交:bluff / reblind / match / resolve,7 阶段动画展示每行 ID 流转。
mpc 模块:
→
mpc-psi12L4
⎈k8s 跨方
refs/nax/examples/12_k8s_two_party
Kubernetes 跨方部署示例:两方数据分别部署在独立 namespace,ray cluster 调度 PSI 任务。
指引:
→
examples/12_k8s_two_party/README.md11L3
🩺Dry Run 诊断
refs/nax/examples/11_dry_run.py
算法干运行:检查 cluster / backend / party connectivity,给出运行前诊断报告。
mpc 模块:
→
mpc dryrun联邦学习
FEDERATED LEARNING 纵向 / 横向 / 差分隐私 / 安全神经网络03L1
🏥纵向 LR
refs/nax/examples/03_vertical_lr.py
同一批用户特征分散在医院 + 保险,标签只在保险方,全程密文训练 + 明文对照组。
mpc 模块:
→
mpc-ml VerticalLR04L2
🏦横向 FedAvg
refs/nax/examples/04_horizontal_fedavg.py
三家分行客户不重叠、特征口径一致;对比 mask / paillier 两种安全聚合方式。
mpc 模块:
→
mpc-fl FedAvg06L2
🛡DP-FedAvg
refs/nax/examples/06_dp_fedavg.py
FedAvg + 差分隐私噪声;展示 ε-DP 预算与模型准确率的 trade-off 曲线。
mpc 模块:
→
mpc-fl DPFedAvg07L2
🧠Secure MLP
refs/nax/examples/07_secure_mlp.py
安全多方神经网络:每层密文推理、ReLU 多项式逼近,无中间明文出域。
mpc 模块:
→
mpc-ml SecureMLP隐私检索 & 安全 SQL
PIR · SCQL 隐匿查询 / 联合 SQL08L1
🔍PIR 隐匿查询
refs/nax/examples/08_pir.py
1-out-of-N 隐匿查询:客户端 Paillier 单位向量加密,服务端密文上加权求和,服务端不知道查了谁。
mpc 模块:
→
mpc-he pir09L1
📊SCQL 安全 SQL
refs/nax/examples/09_scql.py
PSI-JOIN + WHERE-as-weight + GROUP BY;展示"在两方私有数据上直接写 SQL"的实际效果。
mpc 模块:
→
mpc-sql scql10L2
📐异构分箱
refs/nax/examples/10_hetero_binning.py
跨方分箱对齐:各自特征分箱不同,安全求交分箱边界 + IV 计算。
mpc 模块:
→
mpc-ml HeteroBinning05L2
📋策略审计
refs/nax/examples/05_policy_audit.py
数据访问策略审计:哪些字段、什么用途、什么角色、是否授权;输出审计报告。
mpc 模块:
→
mpc-policy安全统计 & 评估
SECURE STATS 密文统计 · 模型评估 · 隐私预算13L2
🔍密文比较
mpc-vault compare {bit_lt, bit_gt, bit_eq, msb_raw}
edaBit + BitLT 协议:PSI 共同客户中"谁存款最高",零泄露找出极值与下标。
mpc 模块:
→
mpc-vault compare {bit_lt,bit_gt,bit_eq,msb_raw}14L2
📊安全统计
mpc-data stats {mean, var_pop, pearson, correlation_matrix}
两方数据"年龄 vs 保费"相关性,全程密文计算;只 reveal 1 个皮尔逊 r。
mpc 模块:
→
mpc-data stats15L2
📈密文模型评估
mpc-fl metrics.{accuracy, auc, log_loss, mse}
联合训练完模型,看 ACC / AUC / log_loss / MSE 不暴露原始数据。
mpc 模块:
→
mpc-fl metrics16L2
🛡️差分隐私原语
mpc-fl {clip_l2, gaussian_noise, GaussianAccountant}
裁剪 + 高斯/拉普拉斯噪声 + RDP 账本:脱敏直方图发布,输出 (ε, δ)-DP 保证。
mpc 模块:
→
mpc-fl dp数据层 & 密码学
DATA & CRYPTO 分区框架 · 聚合链 · 密码学原语17L3
🔗聚合器链
mpc-fl {SecureSum, Clipping, Zeroing, build_chain}
TFF 风格可插拔:Clipping → Zeroing → SecureSum → Mean → GaussianNoise 一键拼装。
mpc 模块:
→
mpc-fl aggregators18L3
📐VFrame / HFrame
mpc-data frame {VFrame, HFrame}
纵向分区(行同列异)vs 横向分区(列同行异)—— 数据层抽象。
mpc 模块:
→
mpc-data frame19L3
📜SCQL 查询计划
mpc-sql Engine::explain
explain() 不执行只分析:哪些表/列/聚合/隐私约束会被使用;拒绝执行危险 SQL。
mpc 模块:
→
mpc-sql Engine::explain20L3
🔐OLE / Paillier
mpc-he {paillier, ole}
Paillier 加法同态(Enc(a)+Enc(b)=Enc(a+b))+ OLE 不经意线性求值。
mpc 模块:
→
mpc-he {paillier, ole}23L2
🔏零知识证明 ZKP
mpc-zkp
Schnorr 身份证明(证明持有授权私钥而不泄露)+ Pedersen 承诺(隐藏敏感值后零知识证明确实提交过)。满足合规审计「权责可证、最小化披露」。
mpc 模块:
→
mpc-zkp可信运营 · 合规与落地
TRUSTED OPS 安全合规检测 · 场景算法落地21L2
🛡️安全合规检测
security_audit
站在可信数据空间流通运营方视角,对算法代码做静态合规检测:明文外泄 / 弱密码 / 密钥管理 / TEE 远程证明 / 隐私预算。每条命中点出风险等级、法规条款、修复建议与 mpc 替代方案。
规则库:
→
F01–F11 静态规则 + 14 条红线 + LLM 语义复核22L2
🔐可信场景算法落地
secure_scenario
针对应用场景描述,依托 ssw-mpc + TEE 给出端到端可运行实现:威胁建模 → 算法流程 → 真实代码 → 执行结果 + 隐私预算 (ε,δ) + TEE 远程证明。4 个真实场景:流行病学 / 黑名单 / 联邦 / PIR。
mpc 模块:
→
mpc-psi / mpc-fl aggregators / mpc-he pir