云计算是国家重要信息基础设施,以服务外包的方式为智慧城市、智能制造、金融证券等各个行业提供计算平台支撑。资源所有权和使用权的分离导致了云计算面临严峻信息安全问题。攻击者或者不可信的云计算提供商通过分析和跟踪云端程序的执行过程,能够获取程序的执行逻辑,破坏云端程序执行的机密性。基于私有云的运行时控制流混淆方法(runtime control flow obfuscation,RFCO)将公有云中执行程序的分支语句判断条件移动到私有云中进行评估,而公有云与私有云间的交互产生大量的时间消耗。针对以上问题,本文聚焦于公有云环境执行程序的逻辑保护,提出一种基于神经网络的高效普适程序控制流混淆方法,具体工作如下:针对程序逆向分析而导致云端程序执行逻辑泄露的问题,提出一种基于Soot框架的三地址码程序控制流分割与转换方法,精准抽取程序重要的分支信息,设计了神经网络调用函数替换分支语句的判断条件;提出一种基于神经网络的伪分支语句构造与插入方法,将程序的控制流图复杂化,增大了恶意攻击者阅读和理解程序逻辑的难度;提出一种基于神经网络的程序逻辑混淆框架,根据分支语句的判断条件训练相应的神经网络模型,而神经网络中权值的不可解释性能够有效的保护用户程序逻辑。通过理论分析证明本方案可以抵抗静态逆向分析,且本方案单次分支语句调用的时间开销是RFCO方案的11.51%,具有较小的性能消耗。针对程序执行时的被动监听攻击,提出一种步长阶跃的循环转换方案动态生成步长值;根据前向数据流分析流程,提出一种变量关联关系挖掘算法,抽取出程序语句执行前变量间的约束关系,在执行神经网络调用函数时进行数据流一致性审核,有效检测基于数据修改的主动攻击;提出一种基于缓存机制的云端高效执行方法,提高混淆后程序在云端的执行效率。实验验证所提出的云端高效执行方法将测试程序蒙特卡洛算法估算值的执行时间降低为改进前方案的42.57%。通过理论与实验证明本方案保护用户程序逻辑的同时,用户程序在云端执行的效率较高。基于所研究的方法,搭建了大数据云计算平台,设计和开发了基于神经网络的程序逻辑混淆系统,在测试平台上对方案的可靠性和执行效率进行测试。实验结果表明,本文所提出的控制流混淆方案适用于通用大数据框架Map Reduce和CPU密集型应用程序,针对CPU密集型应用程序,使用本方案混淆的平均性能开销是原程序的1.27倍到2.58倍。