在大数据技术不断发展,包括其应用场景逐渐扎实、应用领域不断拓宽的背景下,数据的价值也日渐凸显。释放数据价值的过程离不开两个至关重要的阶段,即数据共享与数据计算,然而,该过程仍要面临如下的问题:（1）由于数据具有复制成本低的特点,因此数据的明文共享极有可能会导致数据价值稀释、数据泄漏等问题的发生;（2）同样值得注意的是,由于大部分用户的本地计算能力往往并不足以支撑数据计算需要消耗的大量计算资源,因此也为本地高效利用数据价值造成了威胁。针对以上分析,本文主要研究了一种安全外包计算技术,并根据本文研究成果提出并实现了一个安全外包计算平台。主要创新成果如下:（1）提出了一种高效的数据聚合方案。针对(1[6]原始方案中存在的参与聚合数据量少时存在的安全性问题,本方案采取在加密阶段使用更多的随机数对明文进行盲化处理的技术,提高数据的加密强度。同时,本方案修改了部分公开参数的生成方式,将部分公开参数设定为不公开参数,利用单向陷门函数保护发送数据,进而将被保护的数据发送给接收者。同时,本文对提出的高效数据聚合方案进行了安全性论证。通过论证可得,对于改进后的方案,其计算效率、加解密效率基本与原始方案保持一致,虽然整体效率变化不大,但安全性得到了有效的提升。（2）提出了一种全同态加密算法。该算法可以保证在不使用经典全同态密码原语的前提下,实现具有高可用性的密文数据运算,且具有密文计算高效以及密文长度短的特点,以此来节省大量的计算实现以及存储空间,同时,算法所需的时间也随着对安全性要求的增加而线性增加。在大数据背景下,该算法可以保持良好的运算性能,和其他全同态加密算法相比,还能够有效提高系统内存使用率、外部存储效率,具有良好的实用性。基于该算法能够实现多个数据源数据安全的高效协同计算。在数据交换共享场景下,该算法能够实现多数据源的融合计算,从而扩展数据维度,提升数据价值。（3）实现了一个安全外包计算平台。该系统分为客户端和计算平台,客户端完成对数据的加密以及解密操作,并向服务器端提交计算任务,系统允许具有较少计算资源/计算能力的客户端在其敏感原始数据不被泄露的前提下,将数据运算外包给拥有大量计算资源的计算平台;同时,平台还为客户端提供安全可靠的运算结果的验证。因此,该平台满足外包计算的安全性（可验证性）、隐私性和效率性的需求,便于实际应用和推广。由于该计算平台基于密文进行运算,全业务流程中不会产生隐私泄露问题。综上所述,在本文提出的安全外包计算平台下,由于在数据共享过程中对数据进行了同态加密,因此原始数据不出现外流,并且该数据共享过程仅共享数据的使用权而不共享数据的所有权,进而实现数据价值的保护;另一方面该平台可以充分利用云计算资源,节约数据所有者的人力与IT建设成本。因此本文的研究内容可为隐私计算产业的发展提供一定的新思路与新模式,助力数据释放价值,推动社会经济的发展,保护国家信息安全稳定。