随着云存储的日益普及和云计算、多媒体技术的快速发展,云存储为用户提供了强大便捷的数据存储、处理和共享服务。然而,云服务模式的普及与应用也受到了查找困难、数据不安全和隐私泄露等问题的制约。另外,对语音数据进行前端加密是保证其安全有效的方法,但云端密文语音数据量的增加,给快速、准确检索带来了挑战,降低了对密文语音的可搜索性。为了实现多用户数据共享场景下密文语音高效精确的检索,论文利用语音特征提取、语音加密、可搜索加密与深度学习等技术,分别对语音关键字提取、可搜索加密语音检索、多用户可搜索加密语音检索等关键技术进行了研究。主要研究工作如下:1.针对现有可搜索加密方案中文本关键字提取方法不适用于具有感知冗余特性的语音关键字提取的问题,提出了一种基于CNN/LSTM模型的语音深度哈希构造方案。该方案将MFCC和语谱图特征作为CNN和LSTM模型的输入提取深度语义特征,并进行深度哈希构造生成高效紧凑的二进制哈希码作为应用于可搜索加密方案中的语音关键字。实验结果表明,该方案具有良好的语音分类效果,不仅达到了提取语音关键字的目的,而且对系统检索性能的提升是显著的。2.为了确保云存储中敏感语音的隐私安全,以及如何对云存储中语音进行隐私保护的同时实现密文语音数据的高效检索,提出了一种基于可搜索加密的密文语音检索方案。该方案采用对称加密算法Lorenz混沌映射加密本地原始语音,利用CNN模型提取语音关键字,并同语音一起生成相对应的安全索引表。用户检索时,通过生成搜索陷门发送给云请求匹配检索。实验结果表明,该方案的安全性和检索精度有明显提高,可适用于语音数据的加密存储与高效安全检索。3.为了满足云存储中对语音数据的多用户安全共享的需求,以及在语音隐私保护的同时实现高效的多用户密文语音检索,提出了一种基于多用户可搜索加密的密文语音检索方案。该方案首先将密文策略属性加密（CP-ABE）与可搜索加密相结合设计了一种多用户可搜索语音加密方案,实现了对语音的加密和多用户细粒度访问控制;其次利用LSTM模型提取语音关键字,并构建其与语音对应的安全索引表;最后用户通过向云发送属性列表以及搜索陷门请求匹配检索,并将与搜索陷门对应的密文语音返回给用户。此外,引入代理服务器进行部分密文解密操作降低了用户存储和计算开销。安全性证明和实验结果表明,该方案具有较高的安全性和检索精度,实现了语音数据的安全存储和多用户数据共享。