云存储作为云计算的重要应用领域,被越来越多的企业和个人用户用于数据外包。为了保护外包数据隐私,数据所有人在外包数据前应该先对这些数据进行加密。然而,密文数据的可检索性相对较差,因此可搜索加密(SE,Searchable Encryption)应运而生。目前已有大量关于模糊查询、多关键字高效查询、相关性排序功能的研究,但目前能同时集成以上三个功能的SE方案较少。首先,本文在深入研究了当前SE领域中的模糊查询、多关键字高效查询、相关性排序方法,分析了现有密文检索方案难以拓展成同时实现以上三种功能的原因后,提出了一种新的相关性度量算法CL-TFIDF(Cross Layer TFIDF,跨层相关度分数),实现了模糊多关键字的密文排序,并通过理论证明了其正确性。与现有的相关度性度量如经典的相关度分数TFIDF赋值于整个单词如"fine"不同,CLTFIDF的赋值对象是由两个字母组成的二元元素如"fi"、"in"、"ne"。然后,通过结合CL-TFIDF与向量空间模型(VSM,Vector Space Model)、安全KNN技术,本文提出并实现了多关键字密文模糊排序搜索方案(MFRSE,MultiKeywords Fuzzy Ranked Searchable Encryption),可在一次向量内积的计算中同时完成模糊查询、多关键字查询、相关性计算三个功能,再经过线性时间复杂度的排序算法后即可得到相关性最高的top-k个文件;并通过现有的多关键字密文模糊搜索方案MFSE(Multi-Keywords Fuzzy Searchable Encryption)的实验对比,证明了MFRSE方案的高精确性。最后,在MFRSE方案的基础上,通过将向量化对象从“单个词汇”转变为“文档索引”,充分发挥了VSM模型的优势,使得方案的计算效率得以大幅度提高,并将该方案命名为多关键字密文模糊排序高效搜索方案(MFRESE,MultiKeywords Fuzzy Ranked Efficient Searchable Encryption)。通过与MFRSE方案、MFSE方案的实验对比,证明了MFRESE方案的高精确性与高性能。