近年来,社交媒体网站的使用者越来越多,人们也越来越喜欢在网站上分享照片,这些照片可以反映出每个用户自己的兴趣爱好,一般具有相同兴趣爱好的用户所分享的图像都很相似,因此,我们可以通过查找相似的图像来为用户推荐可能与他具有相同兴趣爱好的朋友或组织团体,从而扩大用户自己的朋友圈,这为社交发现的应用带来了新的机遇与挑战。但是社交网站也面临着数据管理困难、存储成本高、可靠性低等难题,为此,社交网站更倾向于将大量的数据存储在云端服务器,以节省本地的存储和计算资源。然而将用户的图像存储在公共云上容易泄露用户的信息,为了保护用户的隐私,在将图像外包存储到远程服务器前,应该先对其进行加密处理,在实现好友推荐功能时,对用户图像的相关操作都应该是在密文上进行的。因此,研究基于加密图像的快速搜索的社交发现具有重要的理论意义和应用价值。论文主要是对基于加密图像的快速搜索的社交发现进行了研究,主要工作如下:本文首先分析了Yuan等人在2014年提出的基于隐私保护的以图像为中心的社交发现方案,指出该方案在存储空间和搜索效率方面所存在的缺陷,针对这些缺陷,本文提出了一种基于加密图像的快速搜索的社交发现方案。本文首先给出所提方案的隐私安全要求和方案设计用到的相关参数,接着提出了一个基于安全相似度运算的加密图像搜索方案。该方案预先构建描述用户图像内容的基于MD-algorithm的可搜索的加密索引,该索引与用户图像一起存储在云服务器上,再通过安全相似性运算检索匹配用户的加密图像,找到具有相似图像的用户,从而实现好友推荐功能。与已有方案相比,本文所提出的方案不仅能准确的找到与目标用户具有相似图像的其他用户,而且还将存储空间由O(N)降为O(log),搜索效率也从O(N)变为O(log)。最后论文对所提出的方案进行了仿真模拟实验,仿真实验验证了本文所提出的方案可以准确找到与目标用户具有相似图像的其他用户,从而实现了社交发现的功能,并且降低了存储空间以及提高了搜索效率。