近几年,物联网(Internet of Things,Io T)的发展越来越快,包含位置信息的数据由各种硬件设备采集并集中管理。然而随着数据规模的不断增大,本地服务器的负荷已接近极限。因此,将拥有强大计算和存储能力的云计算与物联网相结合成为了一种趋势。由于不可预测的网络攻击在公有云上频繁发生,用户通常将数据加密后上传到云端,以避免隐私信息泄露。但是传统的加密方式无法支持用户对加密后的数据进行高效查询操作,因此针对密文数据的可搜索加密方案就应运而生。而现有的可搜索加密方案往往缺乏对前向安全的有效支持,即在当前查询令牌泄露的情况下,加密数据集的安全性就无法得到保证。由于查询令牌的泄露,攻击者甚至可以通过访问模式推导出全部明文数据。因此,为了抵抗上述攻击,本文提出了一个新的面向空间数据的可搜索加密方案。在保证数据前向安全的前提下,本文方案支持用户对加密数据集进行高效的k近邻(k Nearest Neighbor,k NN)查询操作,同时还支持数据集的动态增删改操作。首先,在数据集的索引结构的设计上,本文采用了局部敏感哈希(Locality Sensitive Hashing,LSH)函数,对包含位置信息的数据集进行哈希量化处理,将哈希值相同的数据点划分到同一个哈希桶中,并通过设计贪心归并算法,解决哈希桶由于地理分布不均匀导致的大小不一致的问题,以降低算法结构受到安全攻击的风险。其次,在哈希桶的基础上,设计了被称为平均桶的数据结构,由贪心归并算法得到。当用户完成k NN查询操作后,通过对访问的平均桶内加密数据集及时的密钥更新处理,保障数据的前向安全。然后,本文将正排索引和倒排索引相结合,设计了一个被称为双向字典的安全索引结构,以此实现对查询候选集的快速查找以及高效的数据增删改操作。最后,本文基于多个LSH函数设计了一种动态自适应的查询方案SD-KNN,能够通过查询结果的反馈,优化查询效率,保证查询精度。本方案能够有效地支持用户对存储在云端的包含位置信息的加密数据集进行高效的k NN查询操作,并保证数据的前向安全特性。同时,通过理论分析,证明了该方案的正确性和安全性,并分析了该方案的计算复杂度。最后,本方案对真实数据集和模拟数据集都进行了严格的实验验证并评估了方案的性能,通过实验结果表明,本方案在实践中非常有效,在查询结果精确度以及查询效率上都取得了很好的表现,适用于空间数据下的前向安全k NN查询场景。