校园大数据包括学生学习与生活的各方面信息,对其蕴含的时空属性进行挖掘,能够为学校提供更多支持管理决策的信息。然而随着挖掘结果的发布,会使之前隐藏在海量数据里的校园用户敏感信息显性的暴露出来。同时,校园大数据本身也包含着其他有待隐私保护的用户敏感信息。如何在对校园用户时空数据有效挖掘的同时实现对用户信息的隐私保护是本文研究解决的问题。针对以上问题,设计了校园数据挖掘与隐私保护数据发布方案。提出了一种基于二分网络的朋友关系构建及行为特征挖掘方法,针对校园时空数据的特点构建二分网络,并对网络中学生的共现情况是否带有随机性进行假设检验统计验证,得到学生朋友关系网络,结合校园用户的生活、学业等信息,分析学生行为特征信息以及各行为特征之间的关联。设计了一种基于k叉树的差分隐私数据发布方法,根据校园用户数据情况构造完美k叉树,分层进行不同程度的拉普斯拉加噪处理,再进行树的自顶向下隐私保护数据合成,得到安全可靠的发布数据。实验获取某高校学生时空数据,从朋友关系构建和行为特征挖掘结果,以及隐私保护效果三个方面进行分析。实验结果表明,该方案可以有效的挖掘学生间的朋友关系以及各行为特征关联,并在保证数据可用性与用户隐私安全性的情况下发布相关信息。挖掘过程使用假设检验删除了二分网络中46.1%的边,得到了更为真实的朋友关系网络,进而得到学生各行为关联关系。发布的数据不仅保护个人隐私安全,并且减少了区间查询噪声的积累,提升了数据的可用性。研究结果对高校的管理和决策起到重要参考作用。