随着互联网的普及与移动计算等技术的快速发展,数据采集与利用变得越来越便捷,人们在享有数据分析与应用所带来便利服务的同时,也存在个人隐私泄露的风险。个人隐私泄露对人们的工作、生活造成一定的困扰甚至伤害,已经引起了社会的广泛关注,越来越多的研究者进行了大量隐私保护技术的研究。目前,大多数的隐私保护方法都是对单一数据源的信息进行保护,但随着数据共享及数据的深度应用,多数据源的数据应用愈来愈多,不同来源的数据之间可能存在一定的关联关系,即使对单数据源中的用户数据敏感信息进行了保护,攻击者也可能根据数据间的关联关系,采用相应的技术手段通过非敏感信息推测出用户的敏感信息。因此,如何在多数据源的应用下防止用户隐私泄露已经成为亟待解决的问题。本文对多数据源中数据隐私泄露风险进行分析,根据非敏感属性集与敏感属性集的规模不同,提出了NSRR-DP和SRR-DP用户隐私保护算法,分别对非敏感属性和敏感属性进行随机响应,有效地保护了用户的隐私,具体研究内容如下:(1)对多数据源隐私保护问题进行分析并给出形式化描述,基于非敏感属性和敏感属性的关联关系,提出了覆盖所有敏感属性的非敏感属性最小集合NS-SC算法,为多数据源隐私保护算法候选集选取提供有效的方法。(2)针对非敏感属性集规模较小的情况,提出了基于非敏感属性随机响应的差分隐私保护方法NSRR-DP算法,该算法首先通过NS-SC算法计算出非敏感属性候选集A,然后在候选集A中对非敏感属性进行随机响应。(3)针对敏感属性集规模较小的情况,提出了基于敏感属性随机响应的差分隐私保护方法SRR-DP算法,该算法首先通过NS-SC算法计算出非敏感属性候选集A,然后对敏感属性进行随机响应,最后通过关联查询选取A中对应的非敏感属性作为扰动后的非敏感属性。(4)通过实验对NSRR-DP和SRR-DP算法进行分析,在不同数据集上验证了算法的正确性和有效性。