针对现有分等级可搜索加密方案存在不能有效抵抗量子攻击以及不能灵活添加与删除等级的问题，提出一种基于错误学习的自适应等级可搜索加密（AHSE）方案。首先，利用格的多维特点并基于格上错误学习（LWE）问题，使该方案能有效抵抗量子攻击；其次，构造条件键对用户进行明确的等级划分，使用户只能搜索其所属等级下的文件，实现有效的等级访问控制；同时，设计一种分段式索引结构，其等级能够灵活添加与删除，具有良好的自适应性，可以满足不同粒度访问控制的需求，并且，该方案中所有用户仅共享一张分段式索引表即可实现搜索，从而有效提高搜索效率；最后，理论分析表明，该方案中用户和文件的更新、删除以及等级变动简单、易于操作，适用于动态的加密数据库、云医疗系统等环境。

针对当前的基因序列比对协议普遍要求一个可信赖的第三方，可能因此造成大范围的隐私数据泄漏的问题，提出了一种基于线性扫描的基因比对方案。首先对两方的基因序列进行基于混淆电路（GC）的编码，然后线性扫描整个基因组数据库并用混淆电路实现客户的基因序列与库中所有基因序列的比对。上述方案可以在保护双方用户隐私的前提下，实现基因比对。不过该方案需要扫描整个基因组数据库，时间复杂度为 O（ n），在基因组数据库较大时效率较低。为了提高基因比对的效率，进一步提出了基于不经意随机存取（ORAM）的基因比对方案，先将基因数据存储在ORAM上，然后只需把目标路径上的数据项取出并用混淆电路进行基因比对。该方案的比对次数和数据库的大小呈亚线性关系，时间复杂度为 O（log n）。实验结果表明，基于ORAM的基因比对方案在实现隐私保护的同时，把比对次数由 O（ n）减小到了 O（log n），明显降低了比对操作的时间复杂度，可以用来进行疾病诊断，尤其适用于基因组数据库较大的场景。