随着云计算技术的快速发展以及人类信息的爆发式增长,越来越多的企业与个人开始将数据转移到云端进行存储。然而,云存储业务的扩张也给用户带来了数据安全问题,面对云上海量的数据,如何能在保障用户数据隐私的前提下,对数据进行有效地挖掘,使人们能够获取一些新颖、有价值的信息成为了一个重要的研究课题。同态密码技术在密文处理方面有其独特的优势,可以有效地解决数据隐私保护与信息再处理相冲突的问题,本文基于对与同态密码技术相结合的隐私保护数据挖掘的研究,主要做了以下两个方面的工作:1、提出了基于HRES改进算法的移动社交网络模式匹配的隐私保护方案。由于无线信道的透明性,在多密钥环境下用户上传个人资料与重加密密钥的过程中很容易遭到敌手窃听,还会带来额外的密钥管理负担。此外,采用向量点积的方式来进行模式匹配无法有效地过滤一些别有用心的用户。为了避免上述的弊端,本方案对一种HRES同态重加密算法进行改进,改进算法在满足任意次加法同态的同时,还可以满足单次的乘法同态,并利用云协商产生的公钥来加密用户数据,从而避免了用户上传数据过程中密钥泄露以及密钥管理方面的问题,提高了系统的安全性。本方案进一步利用了改进HRES算法的同态乘法性质,并采用了归一化向量间的余弦值结果作为衡量用户间匹配程度的标准,可以有效提升用户的社交体验。2、提出了基于密文数据的外包分类器隐私保护方案。分类器所有者外包密文分类器给云服务器,并委托云代理为用户提供远程分类服务,在分类过程中,存在计算效率低下以及通信代价高的问题,而且恶意用户可以通过替换待比较密文的方式来攻击协议以获取相关信息。为了避免上述存在的弊端,本方案使用了一种更为高效的同态OU密码来作为协议的主体加密算法,有效地降低了方案的计算代价与通信成本。此外,针对一种简单有效地恶意敌手模型,我们对方案做出了进一步改进,使得恶意用户通过该攻击只能够获得混淆后的密文值,而且不会对密文比较结果产生影响。方案的最后,我们通过对协议的安全性分析以及实验仿真,证明了我们的方案是安全高效的。