随着大数据、云计算等技术的发展,在个人计算机、移动设备上产生了大量分布式应用程序,然而传统的分布式数据处理方式已经无法满足用户对数据隐私的要求。隐私集合交集（Private Set Intersection,PSI）是隐私计算中的热点,其允许两方在不泄露任何额外信息的前提下计算交集。传统的PSI协议主要针对两方利用本地设备计算集合交集的场景,无法享受云计算技术发展带来的便利。云计算技术为用户提供了灵活经济的计算资源,其优秀特性使得该项技术受到个人和企业广泛关注,但直接应用云服务器辅助计算所面临的安全问题也日益凸显。在传统的PSI模型中,互不信任的参与方之间执行PSI协议时,参与方会完全信任本地软硬件环境等计算资源。当参与方将计算委托给半可信云服务器时,该服务器由外部方运行和管理,与参与方的利益不完全一致,可能会故意或意外违反数据隐私协定。因此研究如何在不泄露隐私的情况下利用半可信云辅助隐私交集计算是有意义的。现有的两方隐私集合交集计算方案对参与方的计算能力要求高,且计算能力差的参与方无法在保证集合数据隐私的前提下将计算安全外包给云服务器。传统基于星型拓扑网络结构的多方PSI协议中,作为通信中心的参与方计算与通信负载过大,云计算技术是解决该问题的有效办法之一,但现有方案无法安全高效地在云环境下处理多方PSI。本文针对半诚实模型,开展云环境下隐私交集计算方法研究,主要完成工作如下:（1）为高效地解决隐私集合交集计算安全外包问题,设计了一种新的不经意两方分布式伪随机函数（Oblivious two-party distributed Pseudorandom Function,OtdPRF）,允许半可信的云服务器参与隐私集合元素的相等性测试,又不泄露参与方任何集合信息。（2）基于不经意两方分布式伪随机函数构建了半可信云服务器辅助的两方PSI协议,将主要计算外包给云服务器,并使用布谷鸟哈希算法和键值对打包方法使得协议更高效。在半诚实模型下证明了协议的安全性。同时,基于该协议提出了基于半可信辅助的保密计算两方隐私集合交集基数的方法。通过与现有协议分析与实验性能比较,该协议效率高,计算复杂度与通信复杂度均与集合大小呈线性关系,适用于客户端设备受限的应用场景。（3）针对现有基于星型拓扑网络结构的多方PSI协议中作为通信中心的参与方计算与通信负载过大的问题,在半可信云服务器辅助的两方PSI协议的基础上设计了基于半可信云服务器辅助的多方PSI协议,能将通信中心的计算和通信外包给半可信云服务器而又不会泄露任何隐私数据,并且保留了两方协议的高效性,总计算量与通信量与参与方数量呈线性关系。通过模拟范例证明了协议在半诚实模型下能够安全地计算多方隐私集合交集,所有参与方和云服务器都无法窃取额外数据。与现有方案相比受限制更少,适用范围更广。