在现代云计算环境中，对于医疗诊断和三维地质模型等应用场景，保证数据安全的同时实现数据的无损恢复尤为重要。针对这一挑战，提出了基于预测误差扩展的加密域点云模型可逆信息隐藏算法。利用新颖的混沌系统对点云模型进行加密，以确保模型内容在上传到云端存储时的安全性；通过贪心算法对模型顶点进行有效分类，并计算每个顶点的预测误差；利用预测误差模长的扩展技术，使秘密信息安全地嵌入到点云模型中；在接收端，通过对比预测误差模长实现秘密信息的准确提取，并无损恢复原始点云模型。实验验证显示，相比现有技术，提出的算法在嵌入性能上有着显著提升，平均嵌入率较对比算法分别提高了0.284和0.298 bit/vertex,明显优化了信息嵌入的效率和安全性；保证了点云模型的无损恢复能力，实现了对算法可逆性的要求；在确保模型内容安全的同时，有效提高了秘密信息的嵌入性能和提取精度。该算法对于医疗诊断、地质探索等需要高度数据安全和完整性恢复的应用场景，提供了新的解决方案。