在行業應用中，醫療行業在電子病歷（HER）資料跨域訪問中，就會應用到MPC技術。在擁有個人數字身份基礎設施的前提下，A醫院可以在獲得病人授權的前提下，對其在此前就診的B醫院申請資料訪問，在滿足診療需求的前提下，同時出於隱私合規和資料最小化的原則，該次訪問僅需要了解病人的某項疾病的特徵資訊。
例如曾有對某類藥物的過敏情況，返回是或者否。那麼在這樣的一個案例中，MPC技術就可以發揮最大的作用，透過對病人在B醫院的病歷記錄的授權查詢，不直接返回病人的病歷資料，僅返回所需的藥物過敏特徵資訊。
在目前最火熱的可穿戴裝置行業，MPC也有非常廣泛的應用。Apple Watch是目前市場上銷量最高的可穿戴裝置， 其近日全新推出的Apple Watch Series 6除了可以監測人體心跳、血壓等生理資料外，還加入了對新冠肺炎具有參考性的指標——血樣指標。而這些屬於使用者的隱私健康資料能否被保護起來而不被濫用呢？
透過MPC技術是可以做到使用者個體隱私與群體健康兼顧的。一種新的方案是，使用者個體透過可穿戴裝置（IOT感測器），實現與心跳、血氧、血壓等多種生理資料來源對接。裝置均擁有數字身份，並由運營機構提供使用者資料的本地計算，只需按驗證規則返回驗證結果。完全不需要在雲端各資料來源驗證結果彙總計算，就可以生成該使用者最終的健康狀態。
除此之外，在人工智慧（AI）領域，MPC的應用場景更加廣闊，AI行業需要大量經過標註處理的相關資料做演算法訓練支撐，可以說資料決定了AI的落地程度。
PlatON生態中，基於TensorFlow的隱私AI框架Rosetta就是一款可以應用於AI行業的產品，其主要目的是降低AI開發人員的門檻，讓他們可以在不需要了解隱私計算細節的情況下，僅僅透過新增一行程式碼的方式，將原先傳統的資料處理方式轉換為隱私計算的方式。
Rosetta本身是對AI訓練中的各類基礎運算元進行了MPC本地封裝，使得開發者可以透過運算元組合，實現所需的訓練演算法，並且是以資料輸入隱私得到妥善保護的方式執行。
在資料隱私問題越發被大家重視的今天，MPC技術的應用場景將逐步拓展，終成數字社會公共基礎設施的底層技術。
