STR：基于分享-变换-揭示策略的加法秘密分享安全计算

云计算的快速发展可能使我们每个人都受益。然而，不可信云服务器带来的隐私风险引起了越来越多民众和立法机构的关注。在过去二十年中，大量工作致力于在确保私有数据安全的前提下外包各种特定任务。待外包的任务数不胜数，但所涉及的计算却相似。本文构建了一系列新颖的协议，支持在任意 $n\geq 2$ 个服务器上对数值（如基本初等函数）和矩阵（如特征向量与特征值的计算）进行各类函数的安全计算。所有协议仅需常数轮交互，并实现了较低的计算复杂度。此外，所提出的 $n$ 方协议即使在 $n-1$ 个服务器合谋的情况下也能确保私有数据的安全。我们以卷积神经网络模型作为案例研究来验证这些协议。理论分析与实验结果表明了所提协议的正确性、高效性与安全性。