云端存储高效便捷且服务器数据处理能力强,用户更倾向于将大量数据存储于服务器端的数据库中。然而数据库泄漏事件时常发生,保障数据安全最可靠的途径就是数据加密。用传统方式加密后,密文检索成为一个棘手的难题,而且无法直接对密文数据进行计算。数值型和字符型数据在结构化数据库中最为常用,必须为这两种数据类型制定合理有效的安全检索方案。本文以服务器端结构化数据库为研究对象,设计一种基于同态加密的安全检索方案,能够在非可信的存储环境下对服务器端密文进行高效检索以及计算操作,且不向服务器泄漏任何与明文相关的信息,同时可以实现用户对数据的细粒度访问。主要研究工作如下:(1)分析结构化数据库中数据类型的特点,提出基于“二次同态”的数值型数据加解密算法,以及改进的字符型数据同态加解密算法。基于算法的同态特性,保证服务器可直接对数值型密文进行运算,也能够对字符型密文进行统计操作。在保证敏感数据安全的前提下,将更多计算和匹配工作交由服务器完成,且有效降低回传客户端的数据量。(2)针对数值型密文检索的需求,提出基于同态加密的等值检索算法和范围检索算法。在客户端对检索关键字进行同态加密,根据判断条件重写SQL语句,交由服务器端进行匹配,仅返回满足条件的记录,大大降低了数据传输时间。在检索过程中,服务器无需知道解密密钥,从而使数据的安全性得到保证。(3)针对字符型密文的模糊检索,在对偶编码函数的基础上,提出有上限的计数型字符集和字符位置联合索引生成算法。利用哈希函数的不可逆性,通过对哈希映射过程进行计数且设置计数上限,保证无法从索引中推断明文信息。基于联合索引提出两阶段字符密文模糊检索算法,提高服务器端对无关数据的过滤效率,减少时间和空间浪费。最后,对本文方案进行了正确性测试,验证其可行性;性能测试中将方案的数值型等值检索算法与基于数值变换等值检索算法相比,时间效率提高16%;数值型范围检索算法较基于双向探测的范围检索算法,时间效率提高约13%;字符型模糊检索算法与基于安全增强的模糊检索算法相比,在服务器端对无关数据的过滤效率提升约9%。