rative结果，没有任何一个获得对方提供的数据的任何知识，除了从计算的最终结果中得出的内容。MPC在任何涉及来自两个或多个实体敏感数据的计算的任何情况下找到应用程序。迄今为止，它在几种现实生活中显示出了可观的成功，并为社会带来了巨大的回报。例如，它已被使用 - （a）安全地分析大波士顿地区超过100万名员工的敏感薪资数据，以便在性别和种族中弥补薪酬差异； （b）培训多个来源持有的私人医学数据模型，以为诸如艾滋病毒，皮肤癌，视网膜病变等疾病提供最佳治疗； （c）计算竞争国家拥有的卫星在空间中碰撞的两个卫星的概率； （d）实施安全拍卖以在丹麦寻找糖斑的合理价格； （e）实施在线性侵犯报告平台（指控托管），该平台将检测重复犯罪者并创造支持受害者的​​途径。MPC的其他引人注目的用途包括疾病监测，电力贸易市场，科学发现，智能城市，基因组学，国土和网络安全，全球高级先进的持续威胁识别公司网络数据，税收欺诈检测以及医学中的众多应用，财务部门，自动驱动的自动摩托车，这些自动驾驶的自动摩托车属于安全的机器学习和预测。