近年来,面向空间网络数据的查询服务已广泛存在于现实生活的应用中。将该服务外包到云计算平台能有效降低本地资源开销和运营成本。然而,直接将数据服务外包到云平台可能会引起严重的隐私问题。因此,如何在云平台中提供保护隐私的空间网络查询服务是当前研究的热点问题。针对该问题,本文对云环境下空间网络查询服务的隐私安全关键技术展开深入研究,面向空间网络kNN查询处理提出了一系列隐私保护方法。本文首先提出了基础空间网络查询的隐私保护方法。该方法在加密的空间网络数据以及安全查询请求基础上实现了基础安全空间网络kNN查询处理算法。该算法首先在欧式空间中计算kNN候选序列,并通过预加密的网络距离将其转化为基于最短路径的候选序列。最后利用欧式限制对候选序列进行安全更新,得到保护隐私的查询结果。本文进一步提出了启发式空间网络查询的隐私保护方法。该方法实现了启发式安全空间网络kNN查询处理算法。首先利用Paillier加密系统的同态加特性迭代计算查询点到目标点的最优估计距离。然后在优先队列中利用此最优估计距离对空间网络进行启发式搜索,得到保护隐私的查询结果。本文提出基于划分树的空间网络查询的隐私保护方法。该方法提出一种基于图划分的安全索引结构,并利用优先队列对安全索引进行启发式搜索,实现基于安全索引的安全空间网络查询处理算法。针对上述研究,本文理论分析了所提出方法具有的安全性和计算复杂度,并用真实数据集上的实验结果验证了所提出方法的查询性能。