دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Ronald Cramer, Ivan Bjerre Damgård, Jesper Buus Nielsen سری: ISBN (شابک) : 1107043050, 9781107043053 ناشر: Cambridge University Press سال نشر: 2015 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Secure Multiparty Computation and Secret Sharing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب محاسبات چند جانبه و اشتراک گذاری پنهان نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در یک جامعه مبتنی بر داده، افراد و شرکت ها با موقعیت های متعددی مواجه می شوند که اطلاعات خصوصی منبع مهمی است. اگر طرفین به همه افراد درگیر اعتماد نداشته باشند، چگونه می توانند داده های محرمانه را مدیریت کنند؟ این متن اولین متنی است که درمان جامعی از تکنیک های بدون قید و شرط ایمن برای محاسبات چند جانبه (MPC) و اشتراک مخفی ارائه می کند. در یک MPC ایمن، هر یک از طرفین دارای برخی از داده های خصوصی هستند، در حالی که اشتراک گذاری مخفی راهی را برای یکی از طرفین فراهم می کند تا اطلاعات را در یک راز منتشر کند، به طوری که همه طرف ها با هم اطلاعات کامل را در اختیار دارند، اما هیچ یک از طرفین به تنهایی همه اطلاعات را در اختیار ندارند. نویسندگان نتایج اولیه امکانسنجی را از 30 سال گذشته، تعمیم به ساختارهای دسترسی دلخواه با استفاده از اشتراکگذاری مخفی خطی، برخی از تکنیکهای اخیر برای بهبود کارایی، و یک درمان کلی از نظریه اشتراکگذاری راز، با تمرکز بر نتایج مجانبی با کاربردهای جالب مرتبط با MPC ارائه میکنند. .
In a data-driven society, individuals and companies encounter numerous situations where private information is an important resource. How can parties handle confidential data if they do not trust everyone involved? This text is the first to present a comprehensive treatment of unconditionally secure techniques for multiparty computation (MPC) and secret sharing. In a secure MPC, each party possesses some private data, while secret sharing provides a way for one party to spread information on a secret such that all parties together hold full information, yet no single party has all the information. The authors present basic feasibility results from the last 30 years, generalizations to arbitrary access structures using linear secret sharing, some recent techniques for efficiency improvements, and a general treatment of the theory of secret sharing, focusing on asymptotic results with interesting applications related to MPC.