随着物联网技术的快速发展,数据库中数据量日益飞速增长,我们正逐渐被海量数据所掩埋。数据挖掘是从海量数据中找到企业所需要的决策信息,信息安全是对企业的决策信息进行安全保护。K-Means聚类划分算法和AES加密算法分别是数据挖掘和信息安全领域的传统算法,在数据挖掘和信息保护领域应用范围非常广泛。近几年来,GPU计算开启了并行计算的大门,GPU非常适合效率高计算成本低的浮点运算。Nvidia公司推出的CUDA(统一计算架构)成为链接CPU和GPU之间的桥梁,使GPU并行计算不再繁琐。本文针对K-Means算法计算量大而且质心收敛速度慢、AES算法计算繁琐而且迭代次数多等特点,将K-Means聚类算法和AES分组加密算法相结合,给出了基于CUDA的并行K-Means和AES分组密码算法。首先对传统K-Means聚类划分算法进行并行改进使其能够符合GPU运行条件,用基于CUDA的K-Means聚类划分算法对海量数据对象进行聚类分组,然后对AES密码算法进行并行改进和密码分组模式进行改进,对分组后的结果进行安全加密。论文最后将上述两种算法相结合分别进行了多组的实验测试,经过改进的基于CUDA的K-Means+AES并行算法相对于CPU的并行算法加速效果明显,最后与同类算法的进行比较,本论文中算法加速比更明显。相对于价格不菲的多核CPU架构,GPU的并行算法能够为公司快速提供决策信息的同时减轻公司支出负担,并对决策信息进行安全保护。