近年来,云计算技术由于具有丰富的资源、强大的运算能力、便捷的服务,吸引了无数用户借助云平台实现大规模数据的处理,如图像分类和检索等。通过云平台共享和检索医疗图像可以提供实时的在线医学诊断或为使用者提供相似的参考病例,有利于医疗资源共享,但医疗资源的隐私泄露会带来严重后果,所以如何在保护数据隐私的前提下进行安全分类和检索具有现实意义。可搜索加密技术旨在通过选取合适的加密算法、构建安全的索引结构,来实现保护隐私的高效检索。现有的可搜索加密方案并不能很好地处理密文医疗图像,因此本文提出了一种基于卷积神经网络的医疗图像分类和检索方案,该方案利用同态加密设计并实现了一系列安全函数,借此构建了安全的卷积神经网络模型,能够对密文图像提取特征并正确分类,还能判断不同密文图像的相似度,实现了图像的安全检索。之后,考虑到现实中查询请求和结果往往并不局限于单一模态,而是由文本、图像、视频等多个模态构成,所以一个安全的密文跨模态检索方案也有极大研究价值。于是本文还提出了一个安全的跨模态检索方案,该方案利用联合矩阵分解技术将异构数据映射到公共子空间并得到映射矩阵,加密后的映射矩阵存储在云服务器端,使云服务器能够计算出密文查询请求的特征向量,然后进一步找到与其相关的多模态数据。对于以上两种方案,本文均通过理论分析和仿真实验对其进行多方面的评估,证明了这两种方案的安全性、准确性、高效性。