随着科学技术和经济的发展，互联网已从一个陌生的词汇变成了人们工作、生活密不可分的“帮手”。大数据技术也从学术研究的领域走向了工业生产和生活服务中。随着该技术的广泛应用，大数据下的隐私安全这一课题也逐渐成为研究者和用户更为关心的问题。但关于大数据下的隐私安全依然处于实验探索阶段，距离实际应用还有一定的跨度。本文从实际应用角度出发，对现有的具有隐私保护的文件检索和数据分类技术进行了改进，并获得了如下的成果：　　1．在具有隐私保护的文件检索方面，本文在经典Bloom过滤器的基础上提出了一种二级Bloom过滤器结构。并将该结构应用到多种多关键词可搜索加密方案中。二级Bloom过滤器结构解决了经典Bloom过滤器结构在多关键词可搜索加密方案中存在的“假阳性”的问题。并且通过二级Bloom过滤器改造后的方案比通过经典Bloom过滤器改造后的方案和不经过任何改造后的方案在文档检索阶段的效率都有着较大的提升。　　2．在具有隐私保护的数据分类方面，本文提出了一种新的对最优参数α加噪的基于支持向量机的差分隐私分类算法。该方案解决了对分隔超平面法向量w加噪的基于支持向量机的差分隐私分类算法，在预测新样本时需要对其进行升维操作所造成的性能损失。并通过从UCI数据库中选择5组经典数据集对本文的方案与对w加噪的方案在新样本预测速率上进行对比测试，实验表明本文提出的算法在预测速率上均有着较大的提升。