随着云计算技术的成熟与普及,越来越多的企业和个人倾向于将他们的存储、计算等资源外包给云服务器提供商以便随时随地使用和节约成本。然而,用户在享受云服务器提供的大规模、高效率的服务的同时也面临外包数据的敏感信息泄露的危险,例如个人的日志、金融交易文件等。为了最小化泄露外包数据的风险,数据所有者希望在外包之前将敏感数据进行加密。加密虽然能够提高数据的安全性但也会影响到数据的可用性,因此需要设计相应的安全机制来解决这一问题。当前,可搜索加密技术是一个重要的研究热点,它是实现云环境中关键词安全检索的重要途径,能够确保数据的安全性又不影响数据的实用性。本文针对云环境中密文检索技术领域所面临的安全问题,从隐私性和一致性两个角度出发,提出了如下3个方案:(1)隐私保护Top-k检索方法(PTS):该方法以倒排索引为基础,根据划分参数将关键词对应的倒排列表进行等长划分,并为生成的每个分块构造相对应的块向量,然后,将块向量作为新的索引项,对应的分块作为倒排列表生成线性分块倒排索引,最后,通过采用完全二叉树的方式将线性结构变成树形结构生成树形分块倒排索引。基于树形分块倒排索引,提出“二次过滤”算法,能够快速过滤不包含检索关键词的分块,极大地提升检索效率。(2)可验证隐私保护Top-k检索方法(VPTS):考虑到云服务器可能自身存在恶意攻击行为,导致返回给授权用户的密文集合不完整或不正确,为此,本文提出了可验证的隐私保护Top-k检索方法。该方法同样以倒排索引为基础,通过外包数据对象与关键词之间的相关度的偏序关系特征,构造约束偏序链模型。授权用户在获取云服务器返回的验证信息后,可以重构偏序约束链用于验证结果的正确性。(3)可并行隐私保护Top-k检索方法(PPTS):为了适用于大数据处理应用场景,体现云计算分布式、大规模、资源动态性等特点,利用传统的Map-Reduce分布式计算框架提出了具有并行化分布式处理能力的安全密文Top-k检索方法。该方法可以直接运行在Hadoop分布式平台上,并行处理授权用户的检索请求,能够极大地提高云环境处理数据和提供检索服务的能力,适用于超大规模文档集合。