目前,面对计算任务中庞大的计算数据,并行计算能力显得尤为重要。而量子计算和云计算都是可以改变未来计算方式的技术。量子计算通过使用量子物理的相干、纠缠等性质,设计一些高速的计算模型以及对经典算法进行加速。由于大型量子计算机需要一定的运行条件,短期内部署高性能个人量子计算机似乎仍有困难。而云计算可以将计算能力作为一种服务对客户端提供。因此,客户端有必要借助量子云计算进行复杂的量子计算。两者进行结合实现一种全新的量子云计算,也就是说个人可以通过访问云的量子计算机,高效地完成计算任务将结果返回,并通过量子加密方案保证其安全,这种方式将会是未来计算服务的重心。量子主成分分析（QPCA）是量子状态层析的一种方法。本文通过QPCA对密度矩阵特征分解后的特征值矩阵进行特征提取来实现降维,提出了一种量子主成分提取算法（QPCE）。与经典算法相比,该算法在一定条件下获得了指数级的加速。给出了量子电路的具体实现。考虑到客户端计算能力有限,客户端可以对量子数据进行加密并上传到云端进行计算,通过量子同态加密方案（QHE）来保证安全性。提出了一种量子同态密文降维方案（QHEDR）。当量子云中执行电路中存在大量T门时,QHE方案中的T门更新过于繁琐,给客户端造成极大的压力,并不广泛地适用于量子机器学习算法中。因此本文提出了一种基于可信服务器的T门更新方案。以提高QHE方案的加密效率,降低客户端压力。同时本文提出一种量子云计算中基于可信服务器的量子k-means算法。该算法将量子k-means算法中计算量大的量子子程序使用量子云端进行计算,通过QHE方案加密密文数据保证安全性。并且在此基础上应用基于可信服务器的T门更新,相比于原算法,该算法解决了客户端需要大量计算资源的问题,提升了运算效率。本文在IBM Qiskit以及IBM Quantum Experience的真实量子计算机上完成了量子主成分提取算法（QPCE）的实验。并且验证了量子线路中存在多个T门的复杂线路时,QHE方案的正确性。实验结果表明本文提出的量子主成分提取算法是可行的。另外,本文分别在明文和密文下验证了基于可信服务器的量子子程序SwapTest和GroverOptim的正确性。实验结果表明与原始量子k-means算法相比,该算法在降低客户端负载成本和保护云端隐私数据方面具有更好的性能。