随着多媒体设备和互联网技术的飞速发展,非结构化语音数据呈指数型增长,且内容包含了大量的敏感信息。如何在服务端对语音进行安全、高效的加密,如何从云端环境下实现快速且准确的密文语音认证和检索,如何提高生物特征模板的多样性,如何保护生物特征模板的安全,这些问题已经引起了现代语音认证和检索领域的广泛关注,因此,本文的主要研究内容及贡献点如下:1.为了兼顾现有语音认证算法的区分性、鲁棒性和实时性,同时解决应用范围小和安全性差的问题,本文提出了一种基于多特征融合的长序列生物哈希密文语音认证算法。通过对生物特征模板的研究,引入了K-means-KNN融合算法对多特征融合后的数据进行分类,在每一类中,使用单一映射的密钥构造超混沌测量矩阵,并进一步生成长序列的生物哈希。然后,使用单一映射的密钥对每一类中的生物哈希序列进行置乱加密。最后通过哈希匹配完成认证。实验结果表明:K-means和KNN相结合不仅提高了生物特征模板的多样性和安全性,而且认证性能也得到了显著的提升,同时通过最小码距法（Minimum Code Distance,MCD）可以较好的检测和定位出语音片段和哈希序列被删除和替换的位置。相较于哈希短序列,本文采用的长序列也较好的平衡了区分性、鲁棒性和实时性之间的关系。2.现存语音检索系统在区分性和鲁棒性方面过于优化,导致系统的安全性和效率较差。因此,本文通过对生物特征模板和加密算法的研究,提出了一种基于多特征融合的长序列生物哈希密文语音检索算法。在所提算法中,首先,提取语音的峰值频率和频谱峰值因子,将它们融合后作为语音特征。其次,通过K-means-KNN融合算法将语音特征分类,并根据一一映射关系将语音片段分类。然后,对每一类中的语音数据和语音片段使用单一映射的密钥,进一步生成生物哈希和密文语音。密文语音上传至云端,即,密文语音库。对生物哈希序列进行线性反馈移位寄存器（LSFR）加密生成哈希索引,上传至云端,即,系统哈希索引表。在用户端,进行类内匹配检索。实验结果表明,该算法不仅能有效的防止明文泄露,而且引入的Kmeans-KNN融合算法显著的提高了生物特征模板的多样性、可撤销行性和隐私性。与此同时,该算法具有较好的检索效率和精度,且提出的长序列生物哈希具有较好的区分性、鲁棒性和检索性能。