随着位置服务应用的广泛普及,地理位置相关数据呈现爆炸式增长。因此,越来越多的位置服务提供商选择将数据或程序外包给第三方云服务器,以此来增强服务并节约成本。然而上述操作在带来便利的同时,同样会引入新的问题。首先,数据或程序被外包给第三方云服务器可能会带来隐私泄露的问题。常规的想法是将数据外包前先进行加密操作,但根据加密的数据提供位置服务（如k近邻查询）同样具有难度,同时可能会存在安全性或高效性不达标的困扰。其次,不可信的云服务器返回给用户的查询结果可能存在问题。云服务器可能与其他机构存在商业勾结而返回给用户错误或者不完整的查询结果。因此,对云服务器返回的查询结果进行验证操作同样具备必要性。本文主要研究在不可信云的背景下,面向大规模外包数据集的安全可验证k近邻查询问题。目前已有相关工作或存在安全性不足的缺陷;或存在效率不高的缺陷;同时仅有较少工作考虑到对密文执行k近邻查询的验证操作。针对上述问题,本文给出解决方案并进行相应优化,具体的内容及创新点如下:1.本文提出了一种两阶段搜索框架SecVKQ,将传统的安全k近邻查询问题分解为初步筛查阶段和精确搜索阶段。该框架巧妙地利用了安全的数据分离和自适应加密策略,将边缘服务器引入经典的双云模型。该框架可以在保证数据、索引和查询隐私的前提下,进一步优化了k近邻查询的性能。2.在SecVKQ框架下,本文提出了一系列的安全计算协议,同时设计了一个轻量级的验证策略,从而得到一个统一的解决方案。本文从理论上分别对方案进行安全证明和性能分析。该方案在两个真实的数据集上进行实验,与目前的相关工作相比,实验结果表明该方案在提高查询效率的同时,为验证操作节省了接近一半的通信成本。