可搜索加密是一种支持用户在密文上进行关键字查找的密码学原语,它能够有效解决无法直接在基于传统加密方案加密的数据中进行查询的问题。在云端的密文数据集中,当用户由于自身缘故导致输入查询关键字有偏差时,仅支持精确查询的可搜索加密会导致搜索结果和用户预期相差较远,甚至没有搜索结果。而支持模糊关键字查询后,云服务器将根据查询关键字搜索与其尽可能相似的文件,从而有效避免上述问题。搜索精度和搜索效率是衡量可搜索加密方案有效性和实用性的两个重要指标,已有方案中较少方案能支持高精度的高效搜索,本文将对此展开研究。基于云服务器“诚实但不可信”的前提,并充分考虑索引的构造方式和搜索算法对搜索效率的影响,提出一种基于改进Bed-tree结构的支持模糊查询的高效可搜索加密方案,主要工作如下:（1）设计了基于Hybrid-gram的Simhash关键词指纹生成算法,该算法能提取更多关键词特征,尽可能的保留关键字之间的相似性,使得关键字转换后的指纹之间的汉明距离更小,从而实现更精确的模糊搜索。与使用通配符或gram构造模糊集合的可搜索加密方案相比,本算法无需为每个关键字构造模糊集,极大减少云服务器的存储开销和计算开销,适用于云存储的海量数据场景。（2）对Bed-tree结构进行改进并引入结合轮廓系数的K-means++聚类算法构造一种支持高效搜索的索引结构（Improved Bed-tree with K-means++,KMT）,同时解决了K-means++聚类算法中的K值和异常值问题从而使聚类算法更契合KMT。本聚类算法能使KMT中相似的关键词Simhash指纹聚类到同一簇中,在搜索时可以根据查询向量与簇中心点的欧式距离快速缩小与查询向量相似的指纹集范围,从而提高搜索效率。（3）设计了高效的支持模糊查询的可搜索加密算法并证明安全性。算法中,基于深度优先的模糊关键字匹配策略,采用边搜索边淘汰子指纹节点的方式,使得不需要遍历整棵索引树即可实现高精度的模糊搜索,极大减少搜索时间。为使搜索结果更符合用户要求,算法基于相关度分数和汉明距离两因子,对搜索结果进行更细粒度的处理,提高用户搜索体验。实验结果表明,和其他方案相比,本方案在保证数据隐私的前提下实现加密云数据下的模糊关键字搜索,在提高搜索效率的同时能极大节约时间和空间成本,保证了方案的有效性和实用性。