近年来,随着互联网、数据存储以及计算技术的飞速发展,使得信息的收集与分析变得越来越便捷、完整与精确。然而,这些以信息共享、数据挖掘与知识发现等为目的的数据发布过程往往都伴随着敏感隐私信息的泄露风险,这就引发了对数据发布过程中隐私保护问题的研究,其主要目标是如何在保证数据可用性的前提下,适当损失原始数据所包含的信息来提高发布数据的安全性,从而达到隐私保护与数据可用性之间的良好平衡。另外,考虑到不同数据实体对敏感信息保护程度的不同需求,隐私保护的个性化服务已成为该领域的一个研究热点。本文立足于隐私保护中的个性化服务需求,在保证信息可用性的前提下,对数据发布中的个性化隐私匿名技术进行了分析研究。　　本文首先对面向敏感值的个性化隐私匿名问题进行了研究。在传统(α,k)-匿名原则的研究基础上,引入个性隐私敏感因子,进而计算各敏感值的个性隐私保护需求度,从而实现敏感值的个性化服务,并形式化地定义了一种个性化(α,k)-匿名算法。本文主要是根据数据拥有者中的敏感属性域中的每一个值,引入个性隐私敏感因子,用于描述个人的个性化隐私需求,并在此基础上,提出了一种基于属性分类树的个性化隐私匿名算法来实现个性化(α,k)-匿名,结合了自顶向下的局部编码和敏感属性泛化的匿名技术。最后通过仿真实验验证该方法可以在满足个性化隐私需求的情况下,完成匿名化过程,并且采用该方法进行匿名所造成的信息损失较小。