随着云计算和大数据时代的到来,互联网时时刻刻释放出的海量数据在各行各业中发挥作用。当越来越多的大数据出现在云端,数据的使用边界问题、数据的个人隐私问题等问题也接踵而至。欧盟发布的《通用数据保护条例》明确了当企业或组织出于某种用途想要收集用户的隐私数据,在此之前必须经过用户明确的同意,如果企业或组织想要修改数据的用途,需要用户的再次同意。同时,企业或组织在使用数据时,不可将数据用于反推用户的隐私。出于上述原因,不同组织之间很难进行直接的原始数据共享,数据联邦通过提供抽象的数据接口为不同组织间的数据相关合作带来了新的机会。随着云计算的发展,越来越多的组织将数据存储在云上以获得数据处理的灵活性和可扩展性。现有的数据放置算法通常只考虑一个因素,这一因素或者是通信代价,或者是时间代价。此外,也没有考虑一组作业在数据处理过程中的特性。在本文中,我们提出了一种有效的确保多组织间的云安全数据共享方案。本文的主要工作和创新点如下:（1）针对云端数据存储问题,基于多目标代价模型,本文提出了一种贪心数据放置算法。云端的数据存储涉及两方面的代价:金钱花费和时间代价。因此,本文提出了一种新的代价函数,该函数的优化目标由两部分组成:降低金钱花费及作业执行的时间代价。通过实验证明所提算法有效的减少了总代价;（2）针对云端安全数据处理中的隐私问题,本文设计一个云端科学协作的安全数据处理平台。该数据处理平台用于组织间的科学合作和数据共享,在保护数据隐私的同时完成多方协作。平台通过基于身份的代理重加密机制为用户提供数据处理服务。租户/用户可以将其数据上传到平台上,并在百度云上执行自定义程序。此外,租户/用户只要获得数据所有者的许可,就可以利用其他组织的数据进行自己的数据处理工作。