随着互联网技术的快速发展和云计算技术的广泛应用,对大数据的各种应用渗透到人们生活的方方面面。这些应用使人们的生活更加便捷,但同时大量有价值的、敏感的私有信息被不断挖掘,人们的隐私受到威胁。安全多方计算可以解决在分布式场景下互不信任的数据拥有者如何安全协同计算的问题。利用安全多方计算技术,人们不仅实现了数据的联合计算,还保证了数据的隐私性。在诸多数据应用场景中,不同参与方持有的隐私数据通常可以用集合来表示,因此隐私集合交集计算（Private Set Intersection,PSI）是一类重要的安全多方计算技术。使用PSI技术,两方或多方可以计算其私有集合的交集,而无需泄露任何其他信息。现有大多数PSI协议专注于交集本身,但在许多实际应用场景中,交集的关联信息同样重要,如交集的大小、交集元素关联数据的各类函数值等。本文分别针对两方和多方场景提出了在不泄露交集基数的情况下,计算交集统计函数的安全计算协议:（1）针对两方场景,我们设计了一组计算两方交集关联数据统计函数（包括基数、和、均值、方差、最值等）的安全计算协议,除了计算结果外,不泄露任何关于隐私数据的信息。为了实现这些功能,我们设计了一个基于算术秘密分享的隐私成员测试（Arithmetic Shared Private Membership Test,ASPMT）协议。基于ASPMT协议,可以安全高效地计算出交集关联数据的各类统计信息。所有基本计算都是基于秘密分享和茫然传输技术构建的。由于使用了在线/离线（online/offline）技术进行预计算处理,所有协议在线阶段都具有较高的计算效率。此外,我们给出了该组协议在半诚实模型下的安全性证明。（2）针对多方场景,我们通过引入一对外部辅助服务器,设计了一组安全计算多方交集及其关联数据统计函数的安全计算协议。协议通过秘密分享的方式,将多个用户的隐私数据分享至两个不合谋的服务器中,并将PSI相关运算委托给两个服务器,从而将低效的安全多方计算协议转换为高效的安全两方计算协议。基于算术秘密分享,我们设计了零值测试（Arithmetic Shared Zero Test,ASZT）协议,从而在不泄露任何信息的情况下实现了安全的多方交集关联数据统计函数计算。在我们的协议中,客户端只需要将自己的私有数据以秘密份额的方式委托给两个外部辅助服务器即可离线,从而将复杂的多方计算任务转换为高效的两方计算任务,因此我们的协议有着较高的计算和通信效率。