在数据发布中,数据挖掘和分析技术可以充分挖掘数据的价值,促进相关行业的发展。然而,恶意地挖掘数据严重威胁了用户的隐私信息。因此,实现数据安全性和有效性的隐私保护数据发布技术发展迅速,并取得了相应的研究成果。但是目前的研究方向多在普通保护需求的相关领域,而针对特殊保护需求的数据发布领域仍需要重视。因此本文在特殊攻击类型和特殊多样性需求相结合领域以及缺失数据发布领域展开研究与探讨。本文的工作主要如下:(1)在完整数据发布领域,针对传统交叉桶泛化方法无法应对敏感性攻击的缺陷,本文提出基于敏感属性分级的交叉桶泛化方法(k,l,αi)-CBG((k,l,αi)-Cross-Bucket Generalization)方法。首先提出敏感值集合表计算算法cal—SV_S_T算法,在选择敏感值集合的时候,限制高敏感级别敏感值的占比,保证元组桶(元组构成的集合)中元组都满足所在级别的阈值限制。然后提出泛化算法generalize_T算法,在划分等价类时,根据元组间距离选择更为相似的元组。实验表明,该方法在有效应对敏感性攻击的同时,在效率和信息有效性具有优势。(2)在缺失数据发布领域,针对重构信息损失过大的问题,本文提出了基于缺失数据重构和l多样性的缺失数据匿名方法AIDRL(Anonymity for Incomplete Data based on Reconstruction andl-diversity)保护方法。首先提出基于mondrian划分的缺失数据重构算法IDR(Incomplete Data Reconstruct)算法,使用完整数据模拟近似比例的缺失数据,将剩余完整数据逐次划分重构模拟缺失数据,直到重构的缺失数据正确率达到阈值,将划分的参数用于重构原本存在的缺失数据。然后提出基于l多样性的等价类构建算法ECBL(Equivalence Class Build based on l-diversity)算法,根据当前剩余前l多的敏感值选择元组构建等价类,给出了缺失元组之间及等价类的计算方式,方便缺失元组的快速聚集,减少信息损失。实验表明,在敏感值保护需求较高的时候,信息有效性得到更好的保证。(3)在缺失数据发布领域,针对缺失数据重构方法几乎无法避免的重构错误问题,本文提出基于分解和切片的缺失数据发布方法ASIDL(Anatomy with Slicing for Incomplete Data based onl-diversity)方法。首先提出元组桶构建算法 TBBL(Tuple Bucket Build based onl-diversity)算法将QI属性聚类后,随机抽取前l多不同敏感值的元组构成桶,使用排列组合而成的更多的元组对其进行身份保护。然后提出元组桶分割算法TBSL(Tuple Bucket Split based onl-diversity)算法在满足l多样性的前提下对已存在的元组桶进行分割,实现桶的更小化。实验表明,信息损失和效率方面都具有优势。