基于CKKS同态加密的隐私计算技术在基因序列演化分析场景的完整代码实现。 代码包括： 1、创建CKKS上下文； 2、使用上下文对基因数据进行加密； 3、构建密文相似矩阵。 4、构建密文距离矩阵； 5、构建NJ树

基于全同态加密的安全人脸识别系统 本人个人主页： 指导老师：陈智罡(Zhigang Chen), 个人网站： 本项目获得第十二届全国大学生信息安全竞赛国家级二等奖。 特点说明： 随着人脸识别技术广泛使用，人脸数据安全问题的严重性也日益增长。 我们采用了全同态加密的方法来保证数据的安全性。 全同态加密：全同态加密支持加密域中密文的计算。那么全同态加密的提出就能够很好的解决计算隐私的问题。我们都知道人脸识别或者说机器学习甚至是整个人工智能，归根到底都是统计数学方法，那么就避不开计算，如此一来，我们就可以先用公钥将数据进行加密，加密后的密文进行数据传输和数值计算，计算结果还是为密文，用户收到密文结果后用私钥进行解密。这样就很好的保证了数据的隐私安全性。 项目难点： 1、Python和C++的跨平台开发，密码学的全同态加密算法采用C++语言编写，人工智能中的人脸识别算法采用Python编写； 2、

Paillier公钥加密算法是基于复合剩余类困难问题假设的加密算法,它主要由密钥生成、加密、解密三部分构成。在文中给出了详细的正确性证明，和大家一起学习交流。

同态加密工具箱，近似激活函数

同态加密，密文实现ResNet18推理

同态加密是一种加密形式，它允许特定类型的计算对密文进行加密，解密时对明文执行匹配结果的操作可以获得一个加密的结果，当对位于远程服务器上的数据做计算时，云供应商有必要访问原始数据并解密。为满足企业信息的数据和算法的私密性需求，数据加密方法与防篡改硬件技术被使用。公开加密数据的计算上，隐私的建立成为必要条件。此时同态加密方法被使用且提出一种基于Paillier和RSA密码体制的代理重加密技术。同态加密是一种无需解密即可在加密数据上进行计算的方法，与在原始数据上计算能够获得相同的结果，并通过使用代理重加密技术防止被选择的密文受攻击。

摘要：文章主要介绍了两个区别于传统全同态加密方案构建蓝本的优化方案，介绍了两种优化方案的构造过程和实现方法，对其安全性和有效性进行了分析讨论，并详细介绍了方案中

5.3 向量场与对偶向量场  5.3.1 切向量、切空间与向量场  现代控制理论的研究，是在状态空间上使用状态方程对动态系统进行描述。非线性系统 的动态演变是在微分流形上进行的，演化结果是流形上的一条曲线。描述无穷小演化的微分 方程是流形上的向量场，因此，研究流形上的动态系统，就要分析流形上的向量场。流形上 向量场的局部坐标表示就是 nR 中的微分方程组。在状态空间中，向量场就是状态方程的几 何解释；相应地，应用向量场来研究动态系统的方法，就是几何方法。 图 5-6 微分的示意图 1 k 维C∞ 向量函数指的是从 kM →R 的C∞ 映射，可以用一个以C∞ 函数为元的 k 维列向量表示。

云计算中同态加密算法的实现.doc

基于同态加密的可信云存储平台