数据交易是打破信息孤岛及行业信息壁垒,实现数据价值最大化的新兴产业。在数据交易过程中,数据常以免费公布或交易给买方的形式被发布出去,而发布的数据中包含着大量的个人信息。攻击者可以根据这些个人信息,以数据挖掘技术手段进行信息分析,从而使得个人隐私发生泄漏进而造成经济损失和人身伤害等问题。为此,如何保护数据交易中个人隐私安全已经成为亟待解决的问题。为了确保数据交易中的隐私安全,人们需要对数据进行隐私完全自治处理,这是个人对数据确权的一种体现,也是个人实现对隐私主动保护的有效手段。同时在数据交易中,实时数据是一种极有价值的数据,如何防止实时数据发布的隐私泄露,进而确保数据交易安全实施也是一个重要的问题。目前,研究者们已经提出了大量的隐私保护方法,然而这些模型并不能有效地保护经过完全自治处理过的数据的隐私,且对于实时发布的隐私保护亦没有提出合理的隐私保护模型。为了保护隐私完全自治后的数据的发布安全,本论文提出了(α,ω)-匿名模型,该模型允许用户(数据拥有者)对关系型数据的准标识符(QI)以及敏感属性值(S)同时进行隐私约束设置,以体现用户对隐私拥有完全自治权,模型中的w是QI的隐私约束,a是S的隐私约束。(α,ω)-匿名模型使用粒化计算以及由上而下局部编码有差别地对数据进行匿名处理,该模型能满足所有用户的隐私需求,且模型的效率高于其他的匿名模型,同时还能保证更低的信息损失度。为了确保数据实时发布中的隐私安全,本论文使用了模糊处理与m-签名约束,构建了一种新的实时发布隐私保护模型。此模型允许实时发布的数据出现数据增加、删除和修改等操作,且能保证被处理后的数据具有较高的实用性。最后,我们使用实验仿真对论文提出的模型的性能进行了论证。本论文提出的模型不仅可以保护数据交易中的个人隐私安全,而且为数据交易的应用奠定理论基础,同时能促进数据交易市场的多样化,实现数据价值的最大化,对推进数据产业创新发展方面具有深远意义。