针对云服务器上数据验证效率低的问题，为能够在正确执行用户指令的情况下依然保持对数据的高效验证，构造了一种支持云环境下基于运算电路的同态认证方案。首先，利用标签生成算法对验证标签进行多项式表示；其次，调用转化算法对验证标签进行转化以达到满足同态验证的形式，同时利用同态解密算法对验证标签的大小进行降维处理；最后，运用验证算法对检索结果进行验证。结果表明，所提方案能够支持任意次乘法同态而不会增加验证标签维数，克服了验证标签增长缺陷，提高了验证效率，但其计算复杂度会随着增强电路输入位的增加而增加。

为解决恶意云服务器可能发送错误或者伪造的查询结果给用户，且授权用户可能在检索完成之后将密钥信息私自发送给非授权用户的问题，构造了一种支持用户撤销的可验证密文检索方案。首先，利用加密算法对用户文档加密、对关键词签名；其次，运用搜索算法对需要检索的文档进行检索；最后，运用验证算法和用户撤销算法对检索结果进行验证，以及对未检索文档进行再一次加密保护。分析结果表明，所提方案能够在保证数据完整性的前提下完成精确检索，且通过重加密机制实现了用户撤销，保证了系统的安全性，该方案满足不可区分性选择关键词攻击（IND-CKA）安全。

针对Gentry、Sahai和Waters提出的基于容错学习（LWE）问题全同态加密方案（GENTRY C，SALAHAI A，WATERS B.Homomorphic encryption from learning with errors：conceptually-simpler，asymptotically-faster，attribute-based[C]//Proceedings of the 33rd Annual Cryptology Conference.Berlin：Springer，2013：75-92）中只能在单个属性环境下工作的问题，通过借鉴"模糊系统"技术，构造了多属性环境下基于LWE的全同态加密方案。首先根据条件等式判断是否为合法用户，然后利用密文扩展算法构造新的密文矩阵，最后采用"模糊系统"技术进行方案构造。在标准的基于X不可区分的选择明文攻击（IND-X-CPA）安全游戏中证明了安全性。所提方案优点是可以将满足一定属性的基于属性加密（ABE）方案转换成多属性环境下的全同态加密方案，缺陷是运算复杂度有所增加。

基于矩阵置换的分块压缩感知（BCS）引入矩阵置换的策略，使复杂子块和稀疏子块向介于两者中间的稀疏度水平变化，用单一采样率采样时可以减少块效应，但仍存在块间稀疏度均衡效果较差的问题。为了得到更好的重构效果，提出基于波浪式矩阵置换的稀疏度均衡BCS（BCS-RMP）算法。首先，在采样前对图像进行矩阵置换的预处理，通过波浪式置换矩阵对图像各子块的稀疏度进行均衡；然后，采用相同的测量矩阵对子块进行采样，在解码侧进行重构；最后，通过波浪式置换逆矩阵对重构结果进行逆变换得到最终的重构图像。仿真结果表明，与现有矩阵置换算法相比，当选择合适的子块大小和采样率时，所提波浪式矩阵置换算法可有效提高图像的重构质量，且能更准确地体现细节信息。

云计算的安全问题是制约其发展的关键瓶颈，其中对云计算结果的访问控制是当前研究的一个热点。在经典的类同态BGN方案基础上，结合CP-ABE（Ciphertext-Policy Attribute-Based Encryption）型密文解密外包设计，构造了基于属性的BGN型密文解密外包方案，部分密文的解密被外包到云上进行，减小了用户的存储开销与计算开销，并且只有用户属性满足访问策略时，才会得到正确的解密结果。与现有的基于属性的外包方案相比，新方案能对密文进行任意次加法同态和一次乘法同态操作。最后，分析了方案的安全性。所提方案在子群判定问题假设下达到语义安全，在随机预言机模型下满足属性安全。

针对传统安全多方计算（SMC）加密方案中，每一位参与者都能获知最终结果，这种粗粒度的访问控制不适用于要求特定用户对密文进行解密的问题，提出了对计算结果解密权限控制更精确的加密方案。通过与谓词加密相结合，构造了一种支持安全多方同态乘积计算的谓词加密方案，具有乘法同态性。与现有的谓词加密方案相比，该方案不仅支持同态操作，并且在对最终计算结果的解密权限上，该方案的控制更加精确。在当前云环境背景下，实现了对计算结果访问控制细粒度更高的安全多方计算，并且验证方案达到不可区分的属性隐藏抵抗选择明文攻击（IND-AH-CPA）安全。

针对传统的基于身份的加密（IBE）方案不能够对密文直接进行计算这一功能上的缺陷，提出了一个新的IBE方案。该方案利用Gentry等提出的同态转化机制，结合Agrawal等构造的层次型IBE方案，构造了一个具有全同态性质的层次型IBE方案。与Gentry等提出的全同态加密（GSW）方案(GENTRY C,SAHAI A,WATERS B. Homomorphic encryption from learning with errors:conceptually-simpler,asymptotically-faster,attribute-based. CRYPTO 2013:Proceedings of the 33rd Annual Cryptology Conference on Advances in Cryptology. Berlin:Springer,2013:75-92)和Clear等提出的全同态IBE（CM）方案(CLEAR M,MCGOLDRICK C. Bootstrappable identity-based fully homomorphic encryption. CANS 2014:Proceedings of 13th International Conference on Cryptology and Network Security. Berlin:Springer,2014:1-19)相比，该方案构造方法更加自然，空间复杂度由立方级降低到平方级，效率更高。在当前云计算背景下，有助于基于容错学习（LWE）的全同态加密方案从理论向实践转化。通过性能分析并在随机预言机模型下验证了所提方案具有完全安全下的选择明文攻击（IND-ID-CPA）安全性。

对于实际出行中居民心理因素对出行方式选择的影响问题，构建基于前景理论的居民出行方式选择模型，提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点，得出相对最能使居民满意的出行方式选择结果；通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响；最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明：行程时间参照点要求较低的小范围内居民倾向于公交出行，尽管出租车与私家车出行方式综合前景值趋势变化一致，但更大范围内的居民倾向于私家车出行，这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。