安全多方计算应用

1/1安全多方计算应用第一部分安全多方计算概念界定 2第二部分安全多方计算技术原理 5第三部分安全多方计算协议分类 7第四部分安全多方计算应用场景 10第五部分安全多方计算性能评估 12第六部分安全多方计算隐私保护机制 15第七部分安全多方计算面临的挑战 17第八部分安全多方计算发展趋势 19

第一部分安全多方计算概念界定关键词关键要点【安全多方计算概念界定】

1.定义与起源：安全多方计算（SecureMulti-PartyComputation，SMPC）是一种密码学协议，允许多个参与方在不泄露各自输入的情况下共同计算一个函数，并得到正确结果。这一概念最早由Yao在1982年提出，旨在解决隐私保护下的数据共享问题。

2.基本原理：SMPC的基本原理是通过数学方法对数据进行加密，使得各方的数据在加密状态下进行运算，从而确保各方数据的隐私性。在计算过程中，只有最终的结果是明文形式，而中间的计算过程和原始数据始终保持加密状态。

3.应用场景：随着大数据时代的到来，数据隐私保护变得尤为重要。SMPC被广泛应用于医疗数据分析、金融风险评估、电子选举等领域，为多方在保护各自数据隐私的同时实现资源共享提供了可能。

【多方安全计算技术分类】

安全多方计算（SecureMulti-PartyComputation，简称SMPC）是一种密码学协议，旨在解决多个互不信任的参与方之间共同进行敏感信息处理的问题。该技术允许各方在不泄露各自输入数据的情况下，共同计算一个预定函数的结果。

###安全多方计算的概念界定

####基本定义

安全多方计算的核心目标是确保在多方合作过程中，每一方的数据都得到保护，不被其他任何一方所获取。同时，所有参与方能够准确无误地得到计算结果。这一目标通过使用同态加密（HomomorphicEncryption）和秘密分享（SecretSharing）等技术来实现。

####同态加密

同态加密是一种特殊的加密方式，它允许对密文进行特定的运算操作，当解密后，其结果与对明文进行同样操作的结果一致。这种特性使得同态加密成为实现SMPC的关键技术之一。

####秘密分享

秘密分享是另一种重要的密码学工具，它将一个秘密分割成若干部分，只有当这些部分的足够多数组合在一起时，才能恢复出原始的秘密。这种方法确保了即使有参与者叛变或受到攻击，也不会泄露整个秘密。

####安全性保证

在SMPC中，安全性通常指的是“信息理论安全”（Information-TheoreticSecurity），即在任何攻击者拥有无限计算资源的前提下，仍然能够保证数据的安全。此外，还有“计算理论安全”（ComputationalTheorySecurity），即在有限时间内，对于某些特定类型的攻击者来说，数据是安全的。

####应用领域

安全多方计算在许多领域都有广泛的应用前景，包括金融风险评估、医疗数据分析、电子选举、联合市场分析等。在这些场景中，各参与方都拥有自己的私有数据，但又需要共同完成一些复杂的计算任务。

###安全多方计算的实施步骤

1.**初始化**：首先，所有参与方需要生成各自的密钥对，并将公钥共享给其他参与方。

2.**数据加密**：每个参与方将自己的私有数据用对方的公钥进行加密。这样，数据在传输过程中以及存储时都是密文形式。

3.**数据分割**：为了应对可能的故障或恶意行为，参与方将加密后的数据进一步分割成若干片段，并分配给其他参与方。

4.**计算执行**：在约定的计算开始时刻，所有参与方一起执行预定的函数计算。由于数据是密文且被分割，因此任何一方都无法获取到其他方的数据。

5.**结果收集**：计算完成后，参与方将自己持有的数据片段发送回原主人。当所有必要的片段都集齐后，原始数据的拥有者可以解密得到最终结果。

6.**结果验证**：为了确保结果的准确性，可能需要设计额外的验证机制来检查计算的正确性。

###安全多方计算的挑战

尽管安全多方计算提供了强大的隐私保护能力，但在实际应用中仍面临一些挑战：

-**性能问题**：由于涉及大量的加解密和密文计算操作，SMPC的性能开销较大，特别是在大规模数据集上。

-**同步问题**：参与方需要在同一时间执行计算，这在分布式系统中是一个挑战，因为网络延迟和系统负载可能导致不同步。

-**可扩展性**：随着参与方的增加，系统的复杂性和通信成本也会相应增加，这限制了SMPC的可扩展性。

-**安全性假设**：大多数SMPC方案的安全性依赖于一定的假设条件，如随机性、密钥的长度和算法的选择等。在实际应用中，这些假设可能并不总是成立。

综上所述，安全多方计算为多方协作处理敏感信息提供了一种强有力的解决方案。然而，为了在实际中广泛应用，还需要进一步优化性能、提高可扩展性，并加强安全性研究。第二部分安全多方计算技术原理关键词关键要点【安全多方计算技术原理】：

1.定义与目标：安全多方计算（SecureMulti-PartyComputation，SMPC）是一种密码学协议，允许多个参与者在不泄露各自输入的情况下共同计算一个函数，并得到正确的输出结果。其目标是确保各方的隐私信息在计算过程中不被其他任何一方获取。

2.基本原理：SMPC基于同态加密（HomomorphicEncryption）和秘密分享（SecretSharing）技术。同态加密允许对密文进行特定的运算，而结果解密后与对明文进行同样运算的结果一致；秘密分享则将数据分割成多个部分，只有当所有部分组合在一起时才能恢复原始数据。

3.计算过程：在SMPC中，每个参与者将其输入数据加密并分割成若干份，然后将这些份额发送给其他参与者。接下来，各方通过安全的通信协议交换和处理这些份额，执行预定的函数计算。最终，每个参与者将收到的份额合并以得到函数的计算结果。

【同态加密技术】：

安全多方计算（SecureMulti-PartyComputation，SMPC）是一种允许多个互不信任的参与者共同计算一个函数而无需泄露各自输入数据的密码学协议。其核心目标是在保护各方隐私的前提下，实现数据的联合处理和分析。

###安全多方计算技术原理

####基本概念

安全多方计算基于同态加密（HomomorphicEncryption,HE）和秘密分享（SecretSharing,SS）两种核心技术。同态加密允许对密文进行特定运算，结果解密后与对明文进行同样运算的结果一致。秘密分享则将数据分割成多个部分，只有当所有份额集中时才能恢复原始数据。

####同态加密

同态加密分为部分同态加密（PartiallyHomomorphicEncryption,PHE）和全同态加密（FullyHomomorphicEncryption,FHE）。部分同态加密支持有限次数的同态运算，而全同态加密支持任意次数的同态运算。

####秘密分享

秘密分享包括Shamir的门限方案和BlindSignature方案。门限方案规定，至少需要t个份额才能重构秘密，最多不超过n个份额。BlindSignature方案则用于隐藏签名者的身份。

####交互式证明系统

为了验证计算的准确性，安全多方计算还引入了零知识证明（Zero-KnowledgeProof,ZKP）和可证安全（ProvenSecurity）的概念。零知识证明允许一方向另一方证明自己知道某个信息，而不会泄露该信息的任何内容。可证安全则意味着，如果攻击者能够破解系统，那么他们就能解决某些已知的困难问题。

####协议设计

安全多方计算协议通常遵循以下步骤：

1.**初始化**：各参与者将自己的数据通过同态加密或秘密分享方法转化为密文。

2.**数据交换**：在不泄露明文的情况下，参与者之间交换必要的密文数据。

3.**计算**：使用同态加密支持的运算对密文数据进行计算。

4.**验证**：通过零知识证明等技术验证计算的正确性。

5.**结果输出**：参与者得到计算结果，并解密以获取最终答案。

###应用场景

安全多方计算广泛应用于金融风险评估、医疗数据分析、电子选举等领域，尤其在涉及敏感信息的场景下具有重要价值。例如，银行可以共享客户的信用评分而不泄露客户的具体信息；医疗机构可以分析患者数据以研究疾病模式，同时确保患者隐私不被侵犯。

###挑战与发展趋势

尽管安全多方计算提供了强大的隐私保护能力，但仍面临一些挑战，如性能优化、实际部署的可行性以及标准化问题。随着技术的不断进步，研究人员正致力于提高算法效率、降低计算复杂度，并探索与其他隐私增强技术（如区块链）的结合，以推动安全多方计算在实际中的应用和发展。第三部分安全多方计算协议分类关键词关键要点【安全多方计算协议分类】

1.基于混淆技术的协议：这类协议通过数学函数对输入数据进行变换，使得在计算过程中各方只能访问到经过混淆的数据。这种技术的核心在于确保即使数据被泄露，也无法从中获取原始信息。

2.基于同态加密的协议：同态加密允许对密文进行特定的运算，得到的结果与对明文进行相同运算的结果相同。基于同态加密的协议可以保证在整个计算过程中，参与方无法获取其他方的原始数据，同时还能得到正确的计算结果。

3.基于秘密共享的协议：秘密共享是将一个秘密分割成若干部分，由不同的参与者分别保管，只有当满足一定条件时才能重构出原始秘密。基于秘密共享的协议能够确保在没有足够多的参与者合作的情况下，任何一方都无法获取到其他方的数据。

【基于混淆的协议】

安全多方计算（SecureMulti-PartyComputation，SMPC）是一种允许多个参与方在不泄露各自输入的情况下共同计算一个函数的技术。它旨在解决隐私保护问题，使得各参与方能够在不公开敏感信息的前提下，对数据进行联合分析或处理。安全多方计算协议根据不同的需求和安全属性可以分为多种类型：

1.基于秘密分享的秘密多项式计算协议：这种类型的协议采用Shamir的秘密分享机制，将每个参与方的输入分割成多个份额，并分散存储在不同的参与方处。只有当足够数量的份额组合在一起时，才能恢复出原始的输入值。通过这种方式，即使某些参与方被攻击者控制，也无法获取到其他参与方的完整信息。典型的协议包括Yao的GarbledCircuit和Goldreich-Micali-Wigderson(GMW)协议。

2.基于同态加密的计算协议：这类协议利用了同态加密的特性，即对密文进行特定的运算后，解密的结果与对明文进行同样运算的结果相同。这样，参与方可以将各自的输入进行加密，然后交换密文进行计算，最后得到正确的结果而不泄露原始数据。BGW（Boldyreva-Gentry-Waters）协议是此类协议的一个典型例子。

3.基于混淆电路的计算协议：混淆电路是一种将布尔电路转换为加密形式的方法，使得任何拥有密钥的人都可以评估这个电路，而不知道电路的具体结构。在这种协议中，每个参与方首先将自己的输入转换成密钥，然后使用这些密钥来构建一个混淆电路。其他参与方可以评估这个电路，但无法从中获取到原始输入的信息。

4.基于零知识证明的计算协议：零知识证明允许一方（证明者）向另一方（验证者）证明自己知道某个值，而无需透露该值本身。在安全多方计算中，零知识证明可以用来确保参与方在进行计算时不泄露关于其输入的任何信息。例如，SPDZ协议就采用了零知识证明技术来实现安全多方计算。

5.基于可信硬件的计算协议：随着硬件技术的发展，一些安全多方计算协议开始考虑利用可信硬件（如TPM、TEE等）来提高安全性。在这些协议中，参与方可以在受保护的硬件环境中执行计算任务，从而降低软件漏洞带来的风险。然而，这种方法仍然面临硬件被篡改的风险。

6.基于区块链的安全多方计算协议：区块链技术提供了去中心化和不可篡改的特性，可以为安全多方计算提供额外的安全保障。在这种协议中，参与方可以通过区块链网络进行安全的数据交换和计算，同时利用区块链的共识机制来防止恶意行为者的攻击。

综上所述，安全多方计算协议可以根据其使用的技术和方法进行多种分类。每种协议都有其独特的优势和局限性，适用于不同的应用场景。随着技术的不断发展，安全多方计算领域将继续探索新的方法和协议，以满足日益增长的隐私保护和数据安全需求。第四部分安全多方计算应用场景关键词关键要点【安全多方计算在医疗数据分析中的应用】

1.保护患者隐私：通过安全多方计算，医疗机构可以在不泄露原始数据的情况下共享和分析数据，从而保护患者的隐私信息。

2.提高诊断准确性：通过整合多家医院的病例数据，安全多方计算可以帮助医生更准确地诊断疾病，提高治疗效果。

3.药物研发：制药公司可以利用安全多方计算分析不同医院的患者数据，以加速新药的研发过程，同时确保患者数据的隐私性。

【安全多方计算在金融风险评估中的应用】

安全多方计算（SecureMulti-PartyComputation，SMPC）是一种密码学技术，旨在让多个参与方在不泄露各自输入的情况下共同计算一个函数。这种技术在保护隐私的同时，允许各方共享信息并得出结果。随着大数据时代的到来，数据的价值日益凸显，而数据的敏感性也使得如何在保护隐私的前提下进行数据分析成为了一个重要问题。安全多方计算为解决这一问题提供了可能。

一、医疗信息共享

在医疗领域，患者的健康数据具有极高的敏感性。然而，为了进行疾病研究、药物研发等工作，医疗机构之间需要共享大量的患者数据。通过安全多方计算，可以在不泄露原始数据的情况下，实现数据的联合分析和处理。例如，多家医院可以共同分析患者的基因数据，以研究某种疾病的遗传因素，而不必担心数据泄露给其他医院或第三方。

二、金融风险评估

金融机构在进行贷款审批时，需要评估借款人的信用风险。这通常涉及到对借款人财务状况的深入了解。通过安全多方计算，银行和其他金融机构可以在不暴露各自客户敏感信息的情况下，共同评估一个借款人的信用风险。这样既可以提高评估的准确性，又可以保护各方的商业秘密和客户隐私。

三、电子选举

在电子选举中，投票者希望自己的投票能够保密，同时选举结果需要公开透明。安全多方计算可以实现这一目标。投票者将加密后的选票提交给选举委员会，委员会使用安全多方计算技术统计选票，最终得到加密的结果。只有当选民需要验证选举结果的真实性时，他们才能解密并查看结果。这种方法既保证了选民的隐私权，又确保了选举的公正性。

四、市场调查与分析

在市场调查中，企业需要收集和分析大量消费者的数据，以便了解市场需求和消费者行为。然而，这些数据往往涉及个人隐私。通过安全多方计算，企业可以在不泄露个人信息的情况下，共同分析市场数据，从而制定更有效的市场策略。此外，这种方法还可以帮助企业遵守相关的数据保护法规，降低法律风险。

五、科学研究合作

在科学研究中，研究人员可能需要合作解决复杂的问题。这些问题往往涉及到大量的敏感数据，如实验数据、生物样本信息等。通过安全多方计算，研究人员可以在不泄露各自数据的情况下，共同分析数据，从而加速科学发现的过程。这种方法不仅有助于保护知识产权，还可以促进跨学科、跨机构的科研合作。

总结

安全多方计算作为一种新兴的密码学技术，为数据隐私保护提供了强大的支持。它在医疗、金融、电子选举、市场调查和科学研究等多个领域都有着广泛的应用前景。随着技术的不断发展和完善，安全多方计算有望成为未来数据处理和隐私保护的重要工具。第五部分安全多方计算性能评估安全多方计算（SecureMulti-PartyComputation，SMPC）是一种允许多个参与者在不泄露各自输入的情况下共同计算一个函数的协议。随着大数据时代的到来，数据隐私保护变得尤为重要，SMPC作为一种有效的隐私保护技术，其性能评估对于实际应用至关重要。

###安全多方计算的性能评估指标

####1.计算效率

计算效率是衡量SMPC系统性能的关键指标之一。它主要关注的是在保持安全性前提下，SMPC算法能否高效地处理大规模数据和复杂计算任务。通常，计算效率可以通过执行时间、内存消耗和能量消耗等参数来量化。

####2.通信效率

在SMPC中，各参与方需要交换中间计算结果，因此通信效率直接影响整个计算过程的速度。通信效率可以通过传输的数据量和通信次数来衡量。

####3.安全性

SMPC的安全性是其核心属性，包括对内部攻击（如恶意参与者）和外部攻击（如被动监听者）的防御能力。安全性评估通常涉及对各种攻击模型的分析，以确保即使在某些假设被破坏的情况下，系统的隐私和数据完整性仍能得到保障。

####4.可扩展性

可扩展性是指SMPC系统能够适应不断增长的数据量和计算需求的能力。一个好的SMPC系统应该能够在不显著降低性能的前提下处理更大规模的问题。

###安全多方计算的性能评估方法

####1.理论分析

理论分析主要是通过数学证明来验证SMPC协议的保密性和正确性。这包括对协议的每一步进行形式化描述，并使用密码学原理来证明其在理想情况下的安全性。

####2.实验测试

实验测试是通过实际运行SMPC算法来评估其性能。这包括在不同的硬件配置和软件环境下进行基准测试，以获取关于计算效率、通信效率和可扩展性的实际数据。

####3.模拟攻击

模拟攻击是一种评估SMPC系统安全性的方法，通过构造特定的攻击场景，并尝试从外部或内部破坏系统的保密性和完整性。如果系统能够抵御这些攻击，则认为其安全性较高。

###安全多方计算性能评估案例

####1.Yao'sGarbledCircuit

Yao'sGarbledCircuit是一种经典的SMPC算法，它通过将布尔电路加密为密文电路来实现多方安全计算。在性能评估方面，研究者通常关注其计算和通信复杂性。例如，一个n位宽的电路需要O(n^2)次的乘法运算和O(n^2logn)次加法运算，而通信成本与门的数量成正比。

####2.SecureML

SecureML是一种支持机器学习任务的SMPC框架。它的性能评估主要集中在支持不同机器学习算法的效率上，例如线性回归和支持向量机。研究者发现，尽管SecureML可以保护数据隐私，但其计算效率相较于非私密的机器学习算法有所下降。

####3.区块链结合SMPC

区块链技术的引入为SMPC提供了额外的安全层。在这种组合系统中，性能评估不仅要考虑SMPC本身的效率，还要考虑区块链网络的性能，如交易确认时间和网络延迟。

###结论

安全多方计算作为保护数据隐私的重要工具，其性能评估是一个多维度、多方面的任务。通过对计算效率、通信效率、安全性和可扩展性等关键指标的综合考量，我们可以更好地理解SMPC在实际应用中的表现，并为未来的研究和改进提供指导。同时，随着技术的不断发展，新的评估方法和工具也将不断涌现，进一步推动SMPC技术的发展和应用。第六部分安全多方计算隐私保护机制关键词关键要点【安全多方计算隐私保护机制】：

1.同态加密技术：同态加密允许在密文上进行计算，结果解密后与在明文上直接计算的结果一致。这种技术在安全多方计算中至关重要，因为它使得各参与方可以在不解密的情况下对数据进行操作，从而保证数据的隐私性。

2.秘密分享：秘密分享是一种将数据分割成多个部分的技术，只有当所有部分组合在一起时才能恢复原始数据。在安全多方计算中，每个参与方持有数据的一部分，即使有恶意参与者，也无法获取完整信息。

3.混淆电路：混淆电路是一种将计算过程转化为一系列布尔运算的方法，这些布尔运算可以通过同态加密进行安全执行。通过这种方式，可以确保在计算过程中不会泄露任何敏感信息。

【安全多方计算应用场景】：

安全多方计算（SecureMulti-PartyComputation，SMPC）是一种允许多个参与者在不泄露各自输入的情况下共同计算一个函数的协议。这种技术的核心在于保护参与者的隐私，同时允许他们共享计算结果。本文将简要介绍SMPC的隐私保护机制及其在现实世界中的应用。

一、安全多方计算的隐私保护机制

SMPC的隐私保护机制主要基于同态加密（HomomorphicEncryption,HE）和秘密分享（SecretSharing）两种技术。

1.同态加密

同态加密是一种特殊的加密方法，它允许对密文进行特定的运算，得到的结果与对明文进行同样运算的结果相同。这样，即使数据被加密，参与者也可以对数据进行计算，而不会暴露原始数据。

2.秘密分享

秘密分享是将一个秘密分割成多个份额，并分配给不同的参与者。只有当足够数量的参与者合作时，才能恢复出原始的秘密。这种方法可以防止任何单个参与者获取完整的数据信息。

二、安全多方计算的应用场景

随着大数据和云计算的发展，越来越多的企业和机构需要处理敏感数据。安全多方计算为这些场景提供了有效的隐私保护解决方案。以下是一些典型的应用场景：

1.医疗数据分析

在医疗领域，医疗机构需要共享患者的数据以进行疾病研究或药物测试。然而，这些数据通常包含敏感的个人信息。通过使用SMPC，各医疗机构可以在不泄露患者隐私信息的情况下共享和分析数据。

2.金融风险评估

金融机构在评估贷款风险时，需要收集和分析客户的信用数据。为了保护客户的隐私，金融机构可以使用SMPC来共同计算风险评估模型，而不泄露各自的客户数据。

3.联合学习

在人工智能领域，联合学习是一种允许多个机构共同训练机器学习模型的方法。通过使用SMPC，各机构可以在不泄露原始数据的情况下共享模型更新，从而提高模型的性能。

三、结论

安全多方计算作为一种强大的隐私保护技术，已经在许多领域得到了广泛应用。随着技术的不断发展和完善，我们有理由相信，SMPC将在未来的数据安全和隐私保护中发挥越来越重要的作用。第七部分安全多方计算面临的挑战关键词关键要点【安全多方计算面临的挑战】

1.隐私保护：在多方计算过程中，参与方需要保护自己的数据不被其他方获取。这涉及到加密技术的使用，如同态加密、秘密分享等，以确保即使数据被处理，也无法泄露原始信息。

2.效率与性能：随着参与方的增多，计算复杂度呈指数级增长，导致效率降低。此外，现有的加密算法可能引入较大的计算开销，影响整体性能。

3.安全性保障：尽管加密技术可以保护数据隐私，但攻击者可能通过侧信道攻击等方式获取敏感信息。因此，需要设计安全的协议来抵御这些潜在威胁。

1.标准化问题：目前，安全多方计算领域缺乏统一的国际标准，不同方法之间的兼容性和互操作性成为一大挑战。

2.法律与合规：在跨地域、多法域的环境下，确保各方遵守当地法律法规，特别是在数据跨境传输方面，需要解决诸多合规性问题。

3.可扩展性与适应性：随着应用场景的不断拓展，安全多方计算需要适应各种不同的计算需求，包括支持更复杂的计算任务和更多的参与者。安全多方计算（SecureMulti-PartyComputation，SMPC）是一种允许多个参与方在不泄露各自输入的情况下共同计算一个函数的技术。尽管SMPC在保护隐私和数据安全方面具有巨大潜力，但它仍面临着若干技术和非技术的挑战。

首先，从技术角度来看，SMPC需要解决的主要问题包括：

1.性能瓶颈：由于涉及多个参与方的数据处理，SMPC的计算效率往往较低。随着参与方数量的增加，计算复杂性和通信开销呈指数级增长，这可能导致在实际应用中难以承受的时间延迟。

2.安全性保障：确保SMPC协议的安全性是另一个关键挑战。攻击者可能试图利用网络漏洞、软件缺陷或参与者之间的不信任来破坏协议的安全。此外，随着量子计算的发展，现有的加密算法可能会受到威胁，因此需要开发新的抗量子计算的加密方法。

3.适应性：SMPC协议必须能够适应不同的计算场景和需求。例如，一些协议可能需要支持复杂的数学运算，而其他协议则可能需要优化以处理大量数据。

4.可扩展性：随着参与方的增多，SMPC协议的性能可能会受到影响。设计可扩展的协议对于支持大规模计算任务至关重要。

5.标准化：为了促进SMPC技术的广泛应用，需要制定统一的标准和规范，以便不同组织之间能够进行互操作。

其次，从非技术角度来看，SMPC面临以下挑战：

1.法规遵从性：SMPC的实施需要遵守各种国家和地区的法律法规，如数据保护法、隐私法和跨境数据传输规定。

2.信任问题：参与方之间的信任关系对SMPC的成功至关重要。缺乏信任可能导致协议被恶意破坏或数据泄露。

3.成本考虑：部署和维护SMPC系统需要投入大量的资金和时间。对于一些资源有限的组织来说，这可能是一个难以克服的障碍。

4.用户接受度：用户可能对SMPC技术的隐私保护能力持怀疑态度。提高公众对SMPC的理解和信任是推广这一技术的关键。

5.教育和培训：为了确保SMPC的有效实施，需要对相关人员提供充分的培训和教育，以确保他们了解相关的技术和最佳实践。

综上所述，虽然安全多方计算为解决隐私保护和数据安全问题提供了有力工具，但要实现其在实际应用中的广泛应用，还需要克服诸多技术和非技术方面的挑战。通过持续的研究和创新，以及跨学科的合作，有望逐步解决这些问题，推动SMPC技术的发展和应用。第八部分安全多方计算发展趋势关键词关键要点【安全多方计算技术发展】：

1.算法创新：随着密码学理论的不断进步，如同态加密、秘密分享和安全多方计