序

随着信息技术的发展和应用，用户的电子医疗档案、互联网搜索历史、社交网络记录等信息的收集、发布等过程中涉及的用户隐私泄露问题越来越受到人们的重视。尤其是在大数据场景下，多个不同来源的数据基于数据相似性和一致性进行链接，在产生新的、更丰富的数据内容的同时，也给用户隐私保护带来了更严峻的挑战。通俗地讲，用户不愿意公开的所有信息都属于隐私，不仅包括个人身份、地址、照片、消费记录、轨迹信息等，还包括商业文档、技术秘密等。隐私保护问题的解决一方面需要配套的法规、政策的支持和严格的管理手段，另一方面也需要可信赖的技术手段支持。

王伟教授团队多年来扎根在隐私保护计算领域，在理论、技术和应用方面展开了一系列研究，《隐私保护计算》一书正是他们团队在这一领域耕作多年的收获。王伟教授邀请我为此书写一篇序，因此，我概览了一遍此书，认为有以下几个特点。

（1）表述清晰。此书涉及的概念比较多，有些概念也比较抽象，书中的表述图文并茂，并采用表格、伪码等形式，增强了可读性，适合初学者阅读。

（2）内容丰富。此书不仅包括联邦学习、同态加密、零知识证明、安全多方计算、可信执行环境、差分隐私、数据删除、智能合约等技术，还介绍了相关的法规、政策和标准。

（3）实践性强。此书介绍了隐私保护计算技术在智慧交通、智慧园区等场景中的应用实例，能够指导人们使用隐私保护计算技术来解决实际中遇到的隐私保护问题，具有很强的实践性。

在此，我向对隐私保护计算技术感兴趣的高年级本科生和研究生，以及相关科技人员推荐此书。通过阅读本书，读者可以了解隐私保护计算技术的基本原理和方法，深刻认识隐私保护的内涵和意义。

2023年2月于北京