sangge
fbf591ac88
- Restructure code into separate modules: data, algorithms, logging, cache - Add efficient caching system for keys and encrypted distances - Implement three sorting algorithms: selection, bitonic, heap - Add comprehensive logging with timestamps and progress tracking - Configure musl target for static compilation - Support command-line algorithm selection and cache control 🤖 Generated with [Claude Code](https://claude.ai/code) Co-Authored-By: Claude <noreply@anthropic.com>
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
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