在当下的信息时代,数据共享为人们提供便利的同时造成了严重的个人隐私泄露问题,所以如何保护数据中的敏感信息变得愈发重要。在信息安全领域,数据发布中的k-匿名隐私保护技术通过打破原始数据集中数据拥有者与数据记录之间的一一对应关系实现数据的匿名化,并对数据中隐含的敏感信息进行保护处理,有效降低发布数据中个人隐私信息泄露的风险。因此,本文将对数据发布中基于局域泛化的k-匿名隐私保护算法进行研究。首先,本文介绍了隐私保护技术产生的背景及研究现状,并对数据发布隐私保护中经典的匿名模型进行分析,之后介绍了k-匿名技术的定义及相关概念等方面,最后对k-匿名实现方法及算法进行了调研和总结。其次,本文设计了 GH-SPK隐私保护方案,并针对OTF算法构造的属性泛化层次在匿名过程中产生不必要的信息损失问题,对该算法进行了改进,形成了 RC-OTF泛化层次算法。该算法通过对数值属性进行分类来创建属性泛化层次并在创建新节点时考虑层次中节点的频率,降低泛化层次在匿名化过程中产生的信息损失。随后通过三种经典泛化层次算法的对比实验证明了 RC-OTF算法的正确性和有效性。最后,针对Bottom Up局域泛化算法实现的匿名数据集中敏感信息容易遭到同质性攻击和背景知识攻击而导致敏感信息泄露的问题,本文提出了k-匿名局域泛化改进算法SPBU。SPBU算法利用敏感属性泛化树约束敏感值在等价类中的频率,并为敏感值添加保护节点限制满足用户个性化隐私保护的需求。最后利用RC-OTF算法构造属性泛化层次,并以敏感值识别率和信息损失为度量标准通过对比实验验证了 SPBU算法能够降低发布数据中敏感信息泄露的风险。