随着云计算的快速发展,越来越多的用户开始将本地数据迁移到云端,从而避免繁琐的本地数据管理同时获得更加便捷的云数据管理服务。然而云服务器并非完全可信,隐私泄露的事件时有发生。为了保证数据安全和用户隐私,数据一般以密文形式存储在云服务器之中。如何对密文进行高效的,满足复杂要求的检索,并且避免频繁的加解密操作,是目前研究的重点。相较于传统可搜索加密方案中的精确关键字匹配,相似搜索具有更加广泛的应用价值,k最近邻查询广泛地出现在云应用中。因此设计一个高效的密文相似检索方法具有非常重要的意义。此外,近年来随着互联网技术不断发展,许多应用面临处理的数据量呈几何级增长,并且数据维度也逐渐增加。高维数据所导致的“维度灾难”的出现,使得相似检索的计算复杂度呈指数上升。同时,不断增加的数据体积使得传统算法效率及其低下,已经难以满足用户的需求。如何将可搜索加密技术与高维数据相似检索结合起来,是目前亟待解决的问题。本文提出了一种针对高维数据的分布式的相似可搜索加密方案。方案首先通过局部敏感哈希技术LSH(locality sensitive hashing)对高维数据进行降维处理,随后利用随机向量点积与同态加密等技术,设计特定的索引加密方式与索引结构,使整体方案满足更加严格的隐私定义,能够隐藏访问模式信息,且支持动态操作。索引构建及相似查找算法在Hadoop MapReduce框架下进行实现,确保了在处理海量数据时的高可扩展性。通过对原始数据集的拆分并分别为每一个子数据集建立单独哈希表,极大地减少了整体的数据索引大小。最后,通过安全性证明与对实验结果的分析,本方案在较好的保护隐私性的同时,能够有效的对密文数据进行相似检索,具有一定的实际价值。