云存储技术为用户和企业提供了一个巨大的平台,用户和企业可以通过把大量数据存储在云端,来节省本地存储空间,降低开销,享受更便捷的服务,因此云存储技术在各大行业得到了广泛应用。然而用户如果直接把明文上传到云服务器,会造成信息泄露,用户个人信息安全得不到保障,同时随着云存储信息量的不断扩大,数据搜索效率急剧下降,数据维护的成本开销大大增加,数据安全性也得不到有力保障,传统的搜索方法已经不能满足用户和企业的需求。因此,安全高效的密文排序搜索方案的研究极其重要。针对数据安全性问题和搜索效率问题,本文进行了如下研究:首先,本文提出了一种基于加密云数据线性降维的安全高排序搜索方法——DRQM_Ⅰ。为了提高数据的搜索效率,本文通过对各种密文搜索方法的深入分析,在对关键词索引加密之前,采用主成分分析算法(PCA)来降低索引矩阵的维度,从而使得密钥维度也随之降低,而在创建陷门的时候,用查询向量与由索引矩阵得到的特征向量矩阵相乘来降维,如此一来就大大提高了数据加密的速度和搜索效率。针对未授权用户和不可信服务器的侵犯隐私行为,本文采用可逆矩阵加密的方法来保护数据信息,并在此基础上,本文提出了随机设置阈值的方法,进一步提高了数据安全性。另外,本文在对索引矩阵进行降维之前,利用查询向量可以划分为多个单位向量的特性,通过引入单位矩阵使得查询向量的分量也参与降维过程,从而保证了查询向量与索引矩阵降维的一致性,这样不仅提高了安全性,而且确保了查询的精确度。其次,尽管DRQM_Ⅰ方案在查询效率上进行了很大的提高,但对于复杂的数据关系,其查询的精确度往往难以达到要求,为了在提高查询效率的基础上保证查询的精确度,针对非线性关系的数据,本文提出了一种基于加密云数据非线性降维的安全高排序搜索方法——DRQM_Ⅱ。对于非线性的不可分的数据,本文采用核主成分分析算法(KPCA),通过非线性函数将数据映射到高维空间中,转换为线性可分的数据,然后再对其进行降维,以减少成分损失,进一步提高查询精确度。另外,本文对两种方案进行了隐私分析、性能分析、精确度分析和安全性证明,并通过理论和实验证明了该方案的可行性、高效性和安全可靠性。