近年来,随着无线网络的大范围推广和移动设备以及定位设备的大规模使用,普适计算正迅速地变为一种可用的实体,成为了人们日常生活一部分。为适应这种发展趋势而开发的高级服务也在不断地涌现,一方面人们享受了各种各样的服务,但另一方面,也不可避免的带来了用户隐私方面的隐患。众所周知,管理隐私策略一直是一个难题,普通用户一般不了解他们的隐私安全策略,而由于普适计算环境的分布性、异构性以及用户同时参与大量不同应用的特性,普适计算下的隐私策略的管理比传统计算环境下更加复杂,给用户带来了沉重的负担,降低了用户对服务的满意度,影响了普适计算的进一步推广使用。基于案例的推理(Case-Based Reasoning, CBR)是一种人工智能方法,它根据检索以往的解决问题的经验来解决新问题,将以往问题的解决方案,经过修改应用到当前的新情况。本文提出将CBR方法应用于隐私策略管理方面,使用CBR来生成用户的缺省隐私策略,用户以此为基础通过修改操作来制定自己的隐私策略而不需要从头开始,从而大大提高用户制定隐私策略的效率,减轻用户负担,提高用户的服务使用满意度。本文首先对基于案例推理的原理、基本流程和核心技术进行了研究,介绍了本体的定义、分类、描述语言以及构造本体的准则、方法和工具等关键知识,然后介绍了隐私策略生成系统的设计目标和总体架构。本文使用J2EE架构完成了该隐私策略生成系统,实现了根据用户基本信息检索生成缺省隐私策略的功能,提高了用户制定策略的效率。本文将本体引入CBR的案例检索过程中,使相应的领域知识与案例特定知识结合起来,丰富了系统的知识,使得原先孤立的离散值变为具有语义关系的案例,然后本文提出本体路径和本体相似度的概念,提高了检索的精确度。在保证相似度的前提下,为了给用户提供更多选择,本文提出了基于多样化理论的改进KNN算法,获得了更好的用户满意度。本文在分析用户基本信息的前提下,提取出了用户有效信息作为案例的问题描述,确立了案例的表示格式。在案例库的建设方面,本文通过使用Hibernate实现了案例库的双层存储结构,从而可以处理异构数据库,使系统具有很好的灵活性和可移植性。最后,本文使用版本管理系统来管理隐私策略文件,实现了策略存储的版本化,为用户提供了查看策略历史信息等便利的操作,为信息系统的文件存储提供了一个新的思路。本文最后介绍了系统的运行界面并给出效果展示,对今后需要进一步改善的工作进行了总结。