秘密计算是将数据加密后存放在另一台服务器上，对数据进行分析，只返回计算结果的一种方法。同态加密是在对输入信息进行加密的同时进行加法和乘法运算的密码系统的总称，最早可以实现的方法是在2009年提出的。然而，目前还没有实现在保证大规模数据的实际计算时间和计算精度的同时进行各种统计分析的方法。

　研究组关注的事实是，许多统计计算是通过矩阵运算和幅度比较运算来描述的。我们开发了一种使用全同态加密进行高效矩阵运算和幅度比较运算的算法，以及一种实现密文统计分析所需的高精度数值运算的运算方法。通过结合这些方法，对于包括数值属性、顺序属性和离散属性在内的数万条记录的加密数据，可以在几秒到10分钟内完成标准描述统计、预测统计、统计检验等的评估。成功地意识到了它。

　到目前为止，为了保护隐私，很难将多个组织持有的个人医疗信息、基因信息、行为历史、购买历史等整合到组织之间。通过利用这次开发的技术，可以预期实现超越组织障碍的统计分析和机器学习，而不会损害隐私。