安全多方计算(SMC,Secure Multi-Party Computation)是属网络空间安全领域中的一种高级应用协议。这种高级应用协议解决了开放网络环境中的多个协议参与者联合计算某个功能的结果而不泄露自己的私有信息的问题。安全多方计算的应用场景主要包括电子投票,数据挖掘,计算几何和智能医疗。目前该类应用场景的解决方案大多依赖可信第三方,然而可信的第三方在现实环境下是非常敏感的,并且维护可信第三方需要耗费巨大成本。安全多方计算改进了传统解决方案中依赖可信第三方的不足,提出了新的且低耦合度的IT服务解决方案。设计该类应用协议时需要保证各参与者不泄漏自己的输入值,即每位参与者无法得到其他参与者的输入,且证协议的结果是正确的。目前该类协议设计中常用的关键技术有同态加密、零知识证明等。本文主要围绕安全多方计算应用协议展开,针对移动环境下的隐私保护的几何计算以及医疗大数据环境下隐私保护的信息匹配问题进行了研究。使用同态加密计算的技术对点与直线的关系判定的问题设计了一种新的隐私保护解决方案,实验表明该方案对比已有的方案更加轻量化,更适合实际应用。并在该方案的基础上设计了点与任意多边形的判定方法,该方法弥补了其他方案只能判定凸多边形的缺点,给出了计算复杂度的分析,分析结果表明计算复杂度较低。由于其嵌套上述新的点与直线的关系判定方法,故具备更实用的优势。同时针对医疗大数据环境下保护隐私的信息匹配问题,提出了一种基于零知识证明的信息匹配方案,该方案不仅能够抵抗敌手构造虚假的数据攻击协议,同时对现有医疗信息系统架构提出了新的可能。并对上述的方案给出了形式化的安全性证明。总的来说本文主要工作如下:1.分析和探讨了当前安全多方计算领域中相关的基础知识及相关技术。2.针对隐私保护的点与任意多边形关系判定的问题,设计了一种新的安全多方计算方案,该方案在相同安全性的前提下具备更优的效率。3.在医疗大数据环境下,提出了一种隐私保护的数据匹配方案,该方案针对医疗大数据环境,具备抵抗敌手构造虚假的数据攻击的能力。