随着基于位置服务（Location-Based Service,LBS）的应用日益广泛,位置数据的规模也急剧膨胀,本地服务器负荷接近极限,将数据外包给具备海量存储空间和强大计算能力的云计算平台成为必然趋势。位置数据与个人隐私高度相关,用户通常将数据加密后上传至云端,从而预防云端获取任何有效信息,但是数据加密后不利于用户进行检索。因此,一个能够同时保障数据机密性和可用性的云端安全检索方案,可作为位置数据安全分析和挖掘的核心支撑工具。可搜索加密方案可以同时保障数据机密性和可用性,但是现有的可搜索加密方案通常难以应对数据动态更新场景,并且缺乏对前向安全性的支持,导致其在查询令牌泄露的情况下无法保证密文数据集的安全性。此外,可搜索加密方案实施的必要条件是安全索引的构建,然而位置数据分布不均,且其数据点之间不存在明确的偏序关系,难以直接构建索引。针对以上问题,本文面向位置数据提出了一个满足前向安全性的可搜索加密方案,实现了位置数据动态更新场景下的个人隐私需求与检索效率的平衡。本文的主要贡献如下:（1）本文结合不同空间填充曲线的自身特性和大量对比实验结果,分别给出适用于范围查询和k近邻查询的最优曲线结论,为后续基于空间填充曲线构建空间索引的研究工作提供最优曲线选项,最大化发挥空间曲线在查询效率和结果准确率方面的优势。首先,选取了四类经典空间曲线,并为每类曲线针对位置数据设计编码算法。然后,按照对应的编码算法获取数据点的曲线编码。最后,分别基于上述两种经典查询方式进行对比实验,得出最优曲线结论。（2）本文设计了基于最优空间填充曲线的前向安全查询方案。首先通过最优空间填充曲线为空间数据建立线序,根据曲线编码将原始数据集划分为多个数据子集,引入贪心归并算法和假点添加算法平均数据子集规模。然后,加密原始数据集内数据点,构建安全索引并上传至云端。在每完成一次查询或更新（包括动态添加、删除和修改）操作后,通过代理重加密算法实现密钥的及时更新和云端密文再加密工作,保证即使当前查询令牌泄露也不会影响加密数据集的安全性,实现了方案的前向安全性。本文对提出的方案给出了满足前向安全性的理论分析,并分别在真实位置数据集和模拟数据集上进行了多角度的实验。实验结果表明,与现有方案对比,本方案在查询结果准确性方面体现出了极大优势,在查询过程高效性方面表现良好,适用于云环境下面向位置数据的前向安全查询场景。