随着大数据时代的蓬勃发展,信息检索技术在生活中随处可见。一方面,这些数据信息与先进技术满足了用户的日常需求,为他们供了更全面的服务,另一方面用户的很多个人信息被泄露,服务商能够通过这些信息推断用户的兴趣爱好,生活习惯等。当今世界隐私保护与信息技术的发展同样重要。在这篇毕业论文中,我们主要研究基于概率型数据结构的隐私时间成员查询问题。它可以保证用户在完成带有时间信息的成员查询的同时保护隐私不被泄露。我们介绍了一些基本的概率型数据结构和密码学原语,并基于实际的查询需求阐述了如何利用这种数据结构来构建变形持续布隆过滤器。这种变形持续布隆过滤器改进了持续布隆过滤器,能够以更小的空间优势存储大量带有时间信息的数据,从而更有效的实现时间成员查询和插入操作。针对时间成员查询中的隐私保护问题,我们利用了安全多方计算的设计思想,结合查询中对信息隐私保护的要求,设计了两种保护隐私的加密方案。这两种方案分别运用了Paillier同态加密和不经意传输协议,其基本原理是基于通信双方未知对方时间信息的前下来获得比较结果。通过与原来未加密的时间成员查询方案的比较,我们总结了这两种方案对查询效率和查询准确率的影响,并对其具体原因和安全性进行了分析。