本研究提出了一种基于可信机器学习模型的新方案，解决了在不可信环境中进行安全计算的挑战。引入的可信能力模型环境（TCME）在隐私与计算效率之间取得平衡，实现了在传统密码解决方案无法实施的情况下的私密推断。研究表明，该方法能够处理经典密码学问题，并为未来的实施指明方向。

本文提出了一种基于图的框架FGCE，用于生成群体反事实解释，以审计模型公平性，填补可信机器学习中的空白。该框架考虑现实可行性约束，构建相似反事实子群体，并通过实验验证其有效性。