摘要：现有的机器学习算法不能对加密后的数据进行分析计算,而很多领域如医疗、金融等又要求数据保持机密性和安全性,这促进了加密机器学习的产生和发展。同态加密技术是解决这一问题的主要思路,它可以保证在不解密的情况下对密文进行计算,使得解密后的结果与对明文执行相同计算得到的结果相同。文中对同态加密在加密机器学习中的相关应用研究进行了综述,主要介绍了目前用同态加密实现加密机器学习的3种算法(加密神经网络、加密kNN、加密决策树和完全随机森林),并从正确性、安全性、执行效率方面分析了方案设计,总结并对比了不同加密机器学习算法的构造思路,指出了同态加密用于加密机器学习的关键问题和进一步研究需要关注的内容,为同态加密和加密机器学习提供参考。

摘要：设定android特有的开发流程,设计及后续实现都构建于隐私权管控的移动终端之上,拟定必备的化解途径。针对智能手机,增设了管控隐私必备的搭配系统,采纳了服务器特有的主体架构。这样做在最大范围减低了多重的内外干扰,保护应用程序。管理隐私权采纳了知识库,后台配有虚拟情形的执行环境。系统可自动调配、分发现有一切的移动终端,这就整合了隐私信息关联的访问权限。自动调控了细粒度以便于规范平常的隐私访问,规避了认知缺失带来的配置权限偏差。设计及实现隐私管控必备的新系统,依循自动化路径来配置且管理预设的隐私权限。