随着大数据时代的来临,在多媒体等计算机领域的海量数据应用系统中,都需要在大数据集中进行最近邻检索,即在给定数据集中返回与查询对象距离最近的数据对象。而在高维数据空间,由于受到“维数灾难”的影响,传统的最近邻查找问题的性能急剧下降。为了解决上述问题,人们提出了近似最近邻检索方案,位置敏感哈希作为近似最近邻检索的最新技术,获得广泛研究与应用,但随之而来的信息安全问题日益凸显。在一些安全性需求高的领域,数据信息的检索利用必须以很高的安全性为基础。因此,需结合数据检索技术和加密技术。同时需要巨大的存储空间来存放海量数据。然而目前国内外在近似最近邻检索方案的研究都是在明文数据下实现的,没有考虑本地敏感数据的安全性与用户的资源受限性。云计算的快速发展使得越来越多资源受限的用户把大量的私有数据外包到云服务器存储。因此,在云环境下利用加密技术可以很好的解决上述两个问题。目前,国内外在近似最近邻检索领域和密文数据库可搜索加密技术的研究己趋于成熟,但是基于密文的近似最近邻检索领域尚待发展。兼顾信息的保密性和检索的高效性是密文检索领域永恒的目标。因此,如何快速而准确的从密文信息中检索出用户所需要的信息,己经成为一个亟待解决的难题。针对这个问题,在对传统的近似最近邻检索技术的研究基础上,结合位置敏感哈希算法与保序加密技术,构造出一种云环境下安全高效的密文数据的近似最近邻检索方案。密文的近似最近邻检索的核心技术在于如何构建安全高效的密文索引结构,使得既能确保索引信息的安全性,又能满足密文数据的高效检索需求。本文的主要工作有以下几个方面：1.研究了现有的各种不同的近似最近邻检索方案,重点研究了基于LSH的近似最近邻检索方案,总结了现有方案的不足。2.基于半可信的云服务器模型,本文提出了一种安全高效的密文数据的近似最近邻检索方案。该方案利用SK-LSH算法在本地构建索引信息。由于在外包前数据与索引需要进行加密处理,这会增加密文数据操作的难度。因此,该方案通过mOPE加密LSH索引信息以实现高效的ANN检索。3.通过形式化的安全性分析,表明我们提出的方案在实现密文数据的近似最近邻检索的同时,在半可信的云服务器模型下是安全的。