随着政务数据共享需求不断提高,政务数据开放共享日益引起各国政府的重视。然而,政务数据共享可能带来公民隐私泄露的风险。如何在共享政务数据的同时保障公民隐私不被泄露成为政府部门和公众关注的一个焦点问题。本文针对政务数据共享场景下的隐私保护进问题行研究,主要研究内容包括:(1)深入探讨了政务数据共享的需求及隐私关注情况,分析了政务数据共享中存在的隐私问题及当前面向隐私问题而进行的主要的隐私保护方法。构建了基于区块链的政府部门间、政府部门与社会公众间的隐私保护数据共享框架。设计了适用于该框架的详细数据共享流程,并分析说明了其在推进政府部门数据共享开放、提升公共服务水平等方面的作用与优势。(2)研究了基于聚类匿名的隐私保护表数据共享方法。针对共享政务表数据场景,提出了基于聚类匿名的隐私保护表数据共享方法。首先通过k-medios聚类算法对表中的记录进行聚类,将数据表按记录间的距离划分为多张子表;其次结合信息损失量参数值对子表中的数据记录进行划分,并对匿名表数据进行调整,使得等价类中的敏感属性值不唯一;最后对敏感属性值进行差分隐私加噪处理。通过示例分析及与经典k-匿名算法MDAV进行实验比较,表明了本文所提算法的有效性与可用性。(3)设计并实现了基于本地化差分隐私的政务数据共享算法。针对共享政务统计数据场景,设计并实现了基于本地化差分隐私的政务数据共享方法。共享数据提供方对敏感属性值进行扰动,并将扰动后数据、所需参数等共享给数据请求方,以便数据请求方进行统计校正,得到统计数据。通过示例分析说明数据经本地化差分隐私处理后具有一定可用性。不仅能够解决最大背景知识攻击问题,同时能够抵御政府内部攻击者攻击,保护公民的隐私安全。本文提出的基于聚类匿名的隐私保护表数据共享方法,具有一般适用性;实现的基于本地化差分隐私的数据共享方法,可推广应用于匿名投票、民意调查等场景中。