信息技术的快速发展将人类带入了大数据时代,利用大数据相关技术,政府和企业能够对用户数据进行分析,发现数据背后的规律,为决策提供参考,提高生产和工作效率。大数据技术的本质是对海量数据进行采集、分析、关联,以构建普适性的决策模型。在此过程中,为提高数据分析的效果,各数据中心需要将本地用户数据进行发布和共享,存在敏感数据泄露的问题。同时,随着数据采集手段的多样化,数据中心收集的用户数据日趋复杂,形成了大量包含多种数据类型且隐私保护需求差异的多模态数据,使得数据安全发布面临挑战。针对上述问题,研究人员提出了大量的数据脱敏发布方案,而现有方案通常仅能对特定类型数据进行统一程度的脱敏处理,无法直接应用于多模态数据脱敏发布场景。同时,大多方案难以在数据种类、隐私保护效果、数据可用性等方面达到平衡。本文面向多模态数据脱敏发布场景下数据类型多样、隐私需求差异的特点,结合匿名化技术与本地化差分隐私技术,提出了一种隐私保护的多模态数据高效脱敏发布方法,设计并实现了一个多模态数据脱敏发布系统。通过不同的隐私保护算法按需组合来对不同类型数据进行脱敏处理,同时支持用户自定义选择各字段的隐私保护程度,在保护用户隐私的基础上提高了数据集的可用性。系统支持单意义编码型数据、单意义数值型数据、多意义编码型数据、时间型数据以及文本型数据的高效脱敏。此外,本文对多模态数据脱敏发布系统进行了实现与测试,系统前台通过对数据查询与数据统计结果进行图形化展示,可以直观了解脱敏前后数据的统计信息。本文具体工作如下:1.针对多模态数据发布场景下数据类型多样、隐私需求差异的特点,本文提出了一种基于匿名化方法和本地化差分隐私算法的多模态数据脱敏发布方法。该方法对不同类型数据针对性采用不同隐私保护算法进行脱敏处理,同时支持用户进行不同的隐私保护程度选择,最终实现差异化隐私保护。2.基于所提方法设计并实现了多模态数据脱敏发布系统,具体实现了多模态数据的脱敏、查询和统计功能。该系统支持用户根据需求自定义隐私保护程度和数据类型,以及用户原始数据和脱敏数据的模糊查询,同时为单意义编码型数据和数值型数据提供了可视化的统计结果展示。3.针对多模态数据脱敏发布场景,通过调研相关文献和法律法规,对比了真实数据库字段,进行了假数据生成,用于脱敏系统测试。并基于生成的假数据进行系统功能和性能测试。相关测试结果表明,该系统能够实现多模态数据发布场景下的安全高效隐私保护,目前已经成功进行实地部署运行。