随着智能设备的发展与普及,网络中接入的海量智能终端设备产生了大规模的运行数据,数据规模呈爆发式增长,给资源受限的本地用户带来了极大的数据管理压力。基于云计算服务提供的数据存储与计算的外包服务模式,越来越多的用户乐意将自身的数据外包给云服务平台进行管理。具体来说,在云计算中,通过云服务商提供的存储空间和计算能力外包服务,用户可以依照自身数据规模和计算任务,购买云服务商的存储空间以及计算服务,这样不仅可以让数据资源充分利用,还能降低用户的计算成本,也可以随时随地对自身数据进行访问和检索。正是由于云计算自身强大的优势,云计算作为一个满足外包计算需求且简单实用的技术,促进了外包计算的迅猛发展。然而,在享受外包计算所带来的便利的同时,诸多数据安全和隐私问题也有待解决。首先,在图计算过程中,存在数据可用性不高以及存在一定的信息泄露问题。其次,在可验证计算中,图交集算法相关研究还比较少,且不支持对云服务器返回结果进行正确性验证。最后,在多维数据聚合过程中,需引入可信第三方,难以抵抗合谋攻击。针对上述挑战,本文深入研究外包环境下保护隐私的数据安全及数据完整验证问题,聚焦三个核心研究点,分别是面向外包服务的保护隐私的子图匹配、面向外包服务的保护隐私的可验证图交集以及面向外包服务的数据聚合。具体研究内容如下所示:（1）针对当前的保护隐私的子图匹配方案存在数据可用性不高且存在一定的信息泄露问题,本文提出面向外包计算的保护隐私的子图匹配方案。在该方案中,通过将云服务平台作为中间实体引入到保护隐私子图匹配方案中,将子图匹配计算任务和图的存储任务委托给云服务平台,实现云服务平台在密文下完成子图匹配计算,且不能获取用户图数据隐私。利用消息验证码技术,完成对数据完整性验证和用户身份验证,实现每个接收方都可以验证接收到的消息是否来自合法的发送方,并且没有被篡改。与已有子图匹配方案的计算开销和通信开销进行比较,本文子图匹配方案具有较高的计算效率。因此,该方案既能保护图数据的隐私,还具有较高的计算效率,更好的适用社交网络中子图匹配的应用场景。（2）针对当前的保护隐私的数据可验证方案不支持图交集验证的问题,本文提出面向外包计算的保护隐私的可验证图交集方案。该方案将图数据存储任务和计算任务外包给云平台,减少本地用户的计算开销和存储开销,确保云服务平台完成图交集计算,且不能获取任何用户的图信息。针对不可信的云服务平台对用户上传的图数据进行篡改,或者返回不真实的查询结果,利用密码聚合技术实现查询用户能对不可信云服务平台返回的结果进行验证,确保了返回结果的正确性,形成支撑隐私和完整性保护的外包机制。因此,该方案可适用寻找社交用户共同朋友关系、血缘关系等,但不泄露用户社交用户信息。（3）针对当前保护隐私的多维数据聚合方案,需引入可信第三方进行聚合参数分发,不能抵抗合谋攻击,本文提出一种面向外包计算的多维多集合数据聚合隐私保护方案。该方案将本地用户的数据外包给聚合节点,聚合节点实现密文下数据聚合,并实现控制中心对聚合数据分析。利用分布式加解密方式实现无需引入可信第三方进行聚合参数的分发,且能抵抗不可信用户节点的合谋攻击。利用超递增序列对数据进行多样化分析,不仅能对每一类数据进行求和聚合,而且能对每个用户的数据累加值进行区间分析。通过构建数据完整性验证和用户合法性机制,确保用户与聚合节点、控制中心进行数据交互时,保证用户的数据不被篡改以及接收方能对发送方身份合法性进行验证。理论分析和实验仿真验证该方案的安全性和有效性。