该论文提出了基于哈希的同态人工智能（HbHAI）技术的新成果。HbHAI利用一种新型密钥相关哈希函数，该函数能够自然保留大多数AI算法所依赖的相似性属性。这使得可以在数据保持加密安全形式的同时，使用现有原生AI算法进行分析和处理，无需修改，性能远超现有同态加密方案，甚至优于对相应明文数据进行相同处理。论文取得了两项主要进展：首先，压缩率可降低至原来的十分之一，从而能够处理大规模数据集，同时将计算时间和能耗降低相同数量级；其次，通过使用重复纠错码，可以任意减小基于AI的决策测试的最终验证误差。该研究为在加密域中高效进行AI推理提供了新途径，尤其对需要保护数据隐私的AI安全测试场景具有重要意义。