对称隐私信息检索(Symmetrically Private Information Retrieval,SPIR)问题与量子密码学的相互渗透形成了新兴的研究热点——量子隐私查询。与基于计算复杂度的数学困难性问题的经典SPIR方案相比,量子隐私查询凭借量子力学的基本物理原理和量子信息新技术的优良特性,在安全性、计算开销以及通信开销等方面具有巨大的优势,并且量子密钥分配技术在理论上具有无条件安全性和窃听可检测性,这为SPIR等多类安全多方计算问题提供了崭新的思路和方法。本文紧随量子隐私查询的研究方向,基于不经意量子密钥分配(Oblivious Quantum Key Distribution,OQKD)技术的易实现、低开销、高安全性等优势,对隐私查询的应用做了较为深入地研究,提出了两个基于OQKD的隐私查询应用,并对隐私查询的后处理方法进行了进一步研究。具体来说主要工作如下:1.最近隐私查询问题是一种特殊的位置隐私保护问题,要求在保证双方隐私的前提下,用户准确查询得到数据库中离自己最近的隐私位置信息。目前已有的方案均是采用经典的方法,且存在计算复杂度、通信复杂度高,难以实现等缺陷。此外经典方案难以抵抗量子攻击。为了确保方案的易实现性和高安全性,首次引入OQKD技术,提出了基于OQKD的最近隐私查询方案。该方案事先构造一个实现最近位置查询的数据库,然后利用SARG04 QKD协议在双方之间建立不经意密钥,并经过经典后处理方法实现隐私查询。2.结合现实生活中股票交易的需要,提出了一个灵活可控的基于OQKD的股票交易数据库隐私查询方案。在该方案中抽象出一个不经意集合元素映射模型,将股票交易信息抽象成集合元素的映射关系,然后通过参数θ和k的取值来控制用户和数据库之间的不经意密钥,并经过后处理实现隐私查询。该方案能够适应不同规模大小的股票交易数据库,具有很好的灵活性,并且还能提高用户和数据库的安全性,有广阔的应用前景。3.为解决现有基于OQKD隐私查询中后处理方法的不足,提出了一种不经意量子密钥分配的后处理方法,以期使数据服务中心能根据具体的应用需求,精确地控制查询用户知道任意位数(但是事先约定好的)的密钥,从而既能提高数据库的安全性,又能更好地应用于一些特殊的数据库查询服务,例如返回指定个数查询结果的数据库查询服务。