随着网络技术和穿戴设备的持续快速发展,医疗数据呈现爆炸式增长。医疗数据作为一种重要资产,通过运用数学、统计学和计算科学等技术将数据转换成医学知识,能够为用户和医疗服务机构提供精准、高效的决策支撑。然而,在利用医疗数据进行智能决策的同时,安全与隐私问题也日益严峻。以欧盟的《通用数据保护法案》为标志,世界主要国家纷纷加强对数据安全和隐私保护的立法,与之对应的技术保护手段也成为了研究热点。隐私计算是面向隐私数据全生命周期保护的计算理论和方法,涵盖了数据采集、存储、处理、发布、销毁环节的所有计算操作。由于医疗数据通常需要经过处理和应用才能产生真正价值,而应用需要为用户提供查询计算服务,极易产生敏感数据泄漏问题。作为隐私计算领域的重要研究方向,面向医疗数据查询计算的隐私保护方法将是本文的研究核心。在典型的医疗数据查询计算系统中,医疗服务提供者通常利用数据挖掘算法从医疗数据中提取医学知识模型为用户提供在线医疗数据查询计算服务。出于知识产权保护考虑,医疗服务提供者需要保证在提供医疗数据查询计算服务过程中独有的医学知识模型不被泄露;同时,出于隐私保护需求,用户希望在进行医疗数据查询计算服务时,自身的医疗数据不被医疗服务提供者窃取。本文针对医疗数据查询计算过程中面临的安全与隐私问题,在分析医疗数据的敏感性、巨规模、价值性和动态性等特征的基础上,充分考虑查询计算机制的高效性、数据的协同共享性和医疗服务的实时性等应用需求,对现有数据查询的隐私计算机制进行了广泛调研,选取了医疗数据查询计算的三个典型不同交互场景,运用密码学、机器学习和数学统计等方面的理论和方法,构造出三种不同的安全高效隐私保护方案,并通过理论分析和原型系统测试的方式对所提隐私保护方案的安全性和高效性进行了验证。具体地,论文的主要研究内容包括以下3个方面:1)两方交互场景下的医疗预诊断隐私保护方法针对医疗数据的巨规模和高维度特征,利用Skyline查询构造了一种新型的医学知识模型,并通过真实的医疗数据验证了该模型具有较高的准确率。在此基础上,针对两方交互场景下医疗数据查询计算过程中存在的隐私数据泄漏问题,首先,利用0-1编码技术将整数大小比较问题转换为求解集合交集问题;然后,基于多项式聚合和多方随机扰乱技术对用户医疗查询数据和和医学知识模型进行加密和扰乱,实现了快速安全的两方查询计算,进而形成了一种高效的医疗预诊断隐私保护方案,从而对医学知识模型和用户医疗查询数据进行隐私保护。通过对所提方案进行详细的安全性分析,并在实际应用场景和真实数据集中开展了充分的测试,分析和测试结果表明该方案具有较好的安全性和高效性。2)三方交互场景下的医疗预诊断隐私保护方法为提高医疗诊断模型的准确率,医学联盟利用Skyline查询的可加性来协同多个医疗数据中心共同生成一种具有较高准确率的医疗诊断模型。针对医学联盟在借助云计算平台的计算能力为用户提供医疗诊断服务过程中存在的隐私数据泄漏问题,提出了一种三方交互场景下的医疗预诊断隐私保护方案。具体来说,首先利用中国剩余定理将解密私钥分解成两部分,并将其分别分发给云计算平台和医学联盟;然后基于Paillier同态加密算法实现密文形式下的医疗查询数据和医学知识模型间的查询计算;最后利用分部解密技术对查询计算结果进行解密得到医疗预诊断结果。所提方案有效地保障了医学联盟医学知识模型的机密性和用户医疗查询数据的隐私性。最后,通过安全性分析验证了所提方案的安全性,并利用所开发的原型系统对真实医疗数据集进行了大量测试,测试结果证明了所提出方案的有效性和高效性。3)外包计算场景下的医疗监测隐私保护方法针对用户生理特征数据的动态性导致的医疗监测结果误判问题,利用决策树分类器构建一种包含多项生理特征及其正常值区间的医疗监测模型,该模型与传统的决策树监测模型相比具有更高的准确性。在此基础上,针对外包计算场景下医疗数据查询计算过程中存在的隐私数据泄漏问题,首先,医疗服务提供商将决策树监测模型的区间参数加密外包至云计算平台中,并将大整数区间的所有子集与解密密钥的特定运算结果分别存储至布隆过滤器中;然后,云计算平台在密文状态下完成用户医疗查询数据和医学知识模型间的查询计算;最后,用户利用私钥解密得到特定运算结果,并通过布隆过滤器对特定运算结果进行快速匹配,实现了密文形式下快速的范围查询计算,进而形成了一种高效的医疗监测隐私保护方案。通过利用真实的糖尿病数据集对所提方案的准确性性进行了验证,并在实际环境中对所提方案的性能进行了充分测试,测试结果可以有效地证明所提出方案具有较高的运行效率。