本论文研究的是在加密二进制嵌入（binary embeddings）场景下，如何高效完成汉明距离（Hamming distance）计算的问题。背景是：加法同态加密（此处采用 Paillier 体制）允许把计算外包给不可信的服务器，从而在隐私保护前提下进行向量相似度比较；但 Paillier 依赖大整数运算与频繁的数据搬运，导致吞吐量成为瓶颈，尤其在需要对海量二进制嵌入做批量比对时更为明显。 作者提出的方案是一个 Paillier 客户端实现，集成了多项工程与算法优化：(1) 进位分离的二进制编码（carry-separated binary encoding），用于在加密域中正确处理位运算产生的进位，作者给出了该编码的正确性证明；(2) 基于查表（table-based）的加密方式，用预计算表替代重复的模幂运算；(3) 缩减指数的解密（reduced-exponent decryption），降低解密侧的大整数运算量；(4) 基于 CUDA 与 CGBN 大整数库的 GPU 算术实现；(5) 持久化设备状态（persistent device state），避免在批量请求间反复做上下文初始化；(6) 与批量检索流程的集成。作者刻画并对比了四种 CPU 与 GPU 客户端配置，其中查表配置使用 280 比特的指数规模参数。 实验部分对 512 比特随机嵌入、每批 10,000 条、共 3 次预热状态（warm-state）的试验进行测量：查表 GPU 配置的中位批次吞吐达到 43,091 次加密/秒与 28,983 次汉明距离解码/秒；均摊到单向量为 0.0232 毫秒（加密）与 0.0345 毫秒（解码），相对实测 CPU 基线分别提升约 453.8 倍与 200.9 倍。 论文的核心贡献在于验证了一条工程路径：把密码学预计算、批量化的加速器执行与持久化运行时状态结合起来，可以显著提升同态加密检索的吞吐。作者同时明确区分了“预热批量吞吐”与“单次请求延迟”两种指标，并指出初始化、数据传输与检索集成仍是尚未消除的剩余开销——这一点对真实部署评估尤为关键，因为实际系统往往受限于冷启动延迟与网络搬运，而非峰值批量吞吐。