面对席卷全球的大数据浪潮,为了节省数据管理时间和基础设施投资,越来越多用户选择把数据存到云上。但近年来,云数据泄漏事件频发,数据的安全性问题日益成为大众关注的焦点。属性加密属于公钥密码体制,是一种“一对多”的加密技术,在保障数据机密性的同时,也具有灵活的访问控制结构,能在云环境下实现相对安全的数据共享。但在传统属性加密技术中,还存在着危害数据安全的隐患,比如访问策略造成的隐私泄漏和密钥滥用问题等。本文针对传统属性加密技术中的数据安全性展开研究,根据不同场景下的应用需求,基于属性加密技术设计了具有不同性能优势的数据共享方案,同时,实现了密文数据的可搜索性。本文主要研究内容如下:（1）本文设计了一种保护策略上隐私的、具有密文搜索功能的属性加密方案。该方案以一种多元多项式表示树型访问策略,为用户提供细粒度访问权限控制的同时,将不可公开的属性值隐藏在多项式系数中,保护了策略上的隐私信息,进一步解决了属性值导致的数据内容暴露的问题。此外,考虑到机构下搜索权限与访问权限不完全相同的特性,在方案中提出了一种多关键词搜索方法,该方法将搜索权限与搜索关键词融合在多项式中。在这种融合方法下,能够对密文数据进行高效地、安全地搜索,且添加搜索权限的操作没有增加额外的计算量。（2）本文通过利用类哈希映射和双线性映射技术,设计了一种大集合属性域下的黑盒可追踪属性加密方案。大集合属性域允许在任何时间内为系统增加新的属性,增强了云存储数据共享中的访问控制可扩展性,在长期使用中更有优势。大集合属性域下系统熵增大,使管理用户变得更为复杂,出现恶意用户的可能性也相应变大。通过在用户私钥中增强代表用户身份的信息,并且构造特殊的追踪密文,能够在黑盒下得到这部分身份信息,以此作为追踪用户的依据,有效解决了大集合属性域上了的密钥滥用问题。