# hfe_knn

全同态加密下的KNN算法实现

knn算法关键是使用一个距离函数来计算样本之间的距离，常用的距离函数有欧氏距离、曼哈顿距离等。
计算距离可以在全密文下实现。
主要是寻找一个全同态加密的比较大小方案

全同态加密计划使用TFHE-rs, 简化后流程无须交互，仅在单个程序内模拟即可。
评分详情见[参赛手册](./manual.md)

## 评分机制

### 正确率计算
- 算法需要返回10个最近邻向量的索引
- 正确率 = 正确的索引数量 / 10
- 例如：10个结果中有9个正确，正确率 = 90%

### 评分规则
- **门槛要求**：正确率必须≥90%（即10个结果中至少9个正确）
- **排名依据**：达到门槛后，按总耗时排名（越快越好）
- **淘汰机制**：正确率<90%直接得0分

### "正确"的定义
- 比赛方有标准答案（真实的10个最近邻）
- 算法结果与标准答案比较
- 顺序不重要，只要索引正确即可

### 数据格式
- 训练数据：JSONL格式，每行包含一个query向量和data数组
- 输出格式：`{"answer": [索引1, 索引2, ..., 索引10]}`
- 索引从1开始编号