随着云存储与互联网技术的飞速发展,多媒体数据传输及保存不再成为限制语音交流广泛使用的瓶颈。然而,云端作为不可信的第三方平台,极易受到隐私泄露的威胁。如何保证用户在数据安全得到保证的前提下,如何从海量的语音数据中高效地实现密文语音检索,受到众多学者的广泛关注。论文主要利用混沌系统理论、能量规整谱系数（PNCC）、语音感知哈希、Mobile Nets V3模型等技术,对密文语音检索系统所涉及的语音加密算法、语音特征提取、感知哈希方案构造、轻量级神经网络模型构造等关键技术进行了研究。主要研究工作如下:1.为了在云端有效地保护语音数据,降低明文泄露的风险,提出了基于混沌系统的频域语音加密方案。该方案包括基于Henon混沌映射的DWT域语音加密算法、基于超混沌映射的DCT域语音加密算法。实验结果表明,两种加密算法进行加密后的语音,均具有足够大的密钥空间,可有效地抵御暴力破解攻击。2.针对现有基于内容的语音检索方法检索效率和准确率低的问题,提出了基于改进PNCC和感知哈希的密文语音检索方法。首先,采用基于Henon混沌映射的DWT域语音加密算法对原始语音进行加密,并上传到云端密文语音库;然后,采用离散小波变换（DWT）和一阶差分系数对PNCC特征提取算法进行改进用来提取语音特征,并利用主成分分析法（PCA）将高维音频特征降到一维,得到该语音片段的帧特征;最后,利用哈希函数将帧特征构造为二进制哈希序列,并上传到云端的系统哈希索引表。实验结果表明,该方法构造的语音感知哈希算法具有很好的区分性、鲁棒性,且具有较高的检索精度和检索效率。3.针对传统神经网络模型因参数庞杂,对设备内存及运算力要求比较高,导致在移动设备上部署受限的问题,利用Mobile Nets V3模型,提出了一种基于Bottleneck架构轻量级神经网络的密文语音检索方法。首先,采用基于超混沌映射的DCT域语音加密算法对原始语音进行加密,并上传到云端密文语音库;然后,将输入的原始语音MFCC特征进行神经网络训练,将全连接层输出的深度特征采用感知哈希算法生成能够表征该语音的二进制哈希序列,并上传到云端的系统哈希索引表;最后,利用归一化汉明距离算法进行匹配检索。实验结果表明,与现有神经网络相比,该方法采用Bottleneck架构配置的轻量级神经网络所生成的网络模型具有较少计算参数,且具有较高的检索精度和检索效率,且有利于将模型部署在计算力及内存受限的嵌入式移动设备中。