当前的网络环境下,用户的本地资源受限,无法进行复杂的计算,需要租用云服务器的资源。而云服务器一般工作在半可信环境或是恶意环境下,通常会导致用户的隐私泄露等问题。因此,在为智能音箱提供推荐服务时,需要对数据进行隐私保护。目前国内外解决隐私保护外包计算问题通常采用三种技术,分别是公钥全同态加密、安全多方计算和差分隐私技术,但他们普遍存在计算开销大、通信复杂度高、可用性和准确度不高、存在一定的安全隐患等问题。因此,高准确度和可用性的轻量级的隐私保护外包计算仍然是一个具有挑战性的问题。为了解决这些问题,本文主要做了以下工作:1.提出了能支持密文打包的轻量级隐私保护外包计算新方案,该方案不采用传统的公钥全同态加密方式（FHE）,而是利用混合加密机制,离线状态下用常数次的单向陷门置换加密对称密钥,在线状态下用只涉及加法和乘法操作的对称全同态加密来加密用户的数据。资源受限的发送方公钥加密使用次数的复杂度是O（1）,与数据集的大小无关。服务器端的计算和通信复杂度也是O（1）,与外包计算函数的实例个数无关。2.基于支持密文打包的轻量级隐私保护外包计算新方案,本文进一步提出了一个智能音箱的轻量级个性化隐私保护推荐方案。该方案基于用户的协同过滤推荐算法,根据已知用户对歌曲的评分,来预测目标用户对未评分歌曲的打分,得到推荐列表,从而对目标用户进行个性化音乐推荐,同时有效保护了用户的隐私。最后,安全性证明和仿真实验表明了本文所构造的方案是安全且高效的。