- 零知识证明（Zero—Knowledge Proof）：指证明者能够在不向验证者提供任何有用的信息的情况下，使验证者相信某个论断是正确的。
- MPC（Secure Multi-Party Computation）：用于解决一组互不信任的参与方各自持有秘密数据，协同计算一个既定函数的问题。
- 差分隐私（Differential privacy，DP）：是密码学中的一种手段，旨在提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会。
- 秘密共享：一种将秘密分割存储的密码技术，怎样更好的设计拆分和恢复，阻止秘密过于集中。
- 同态加密（Homomorphic Encryption）：同态加密是基于数学难题的计算复杂性理论的密码学技术。对经过同态加密的数据进行处理得到一个输出，将这一输出进行解密，其结果与用同一方法处理未加密的原始数据得到的输出结果是一样的。
- 可信执行环境（Trusted execution environment，TEE）：intel SGX、arm TrustZone、 amd SEV、TPM、HSM等技术实现。
- 联邦学习（Federated Learning）：是一种分布式机器学习技术 [1] ，其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不需要交换本地个体或样本数据的前提下，仅通过交换模型参数或中间结果的方式，构建基于虚拟融合数据下的全局模型，从而实现数据隐私保护和数据共享计算的平衡，即“数据可用不可见”、“数据不动模型动”。