近些年来,机器学习技术不断发展,为许多问题提供了新的解决方案。然而在给人们带来便利的同时,机器学习也存在着隐私和安全问题。如今人们对隐私保护愈加重视,如何在保证机器学习算法有效性的同时保护用户的隐私数据成为研究热点。同态加密技术就是用来解决这一问题的有效方法,但是它对于支持现实世界的机器学习任务是一项非常具有挑战性的任务。本文研究的目的是在密文域中为一些机器学习方法,如线性回归、逻辑回归等算法提供实际支持。本文针对整数向量同态加密方案和机器学习算法进行研究。为了使机器学习算法能在密文上实现训练过程,将机器学习算法分解为加法、乘法、激活函数等部件,并对激活函数的拟合进行研究,通过一系列手段解决二者在结合中遇到的问题。本文使用Python实现了整数向量同态加密方案,并在此基础上进行扩展和优化。在同态加密方案基础上构建的机器学习算法可以有效的保护数据隐私,也能够使用户数据在不信任的环境中进行训练。最后本文提出了一种基于整数向量同态加密的密文逻辑回归模型训练方案,该方案能够保证训练模型和用户数据信息都不被泄漏。本文使用真实数据集评估了方案性能,证明了本文方案在效率和计算消耗方面的可行性。实验结果和分析表明,本文提出的方案能够安全有效的保护用户隐私,同时本文的方案具有较高的效率和准确率。在该二分类密文逻辑回归模型的基础上,本文还将其扩展至多分类逻辑回归,实验表明该方案是可行有效的。