现今很多企业和服务商收集的用户数据蕴藏着大量的有用信息,所以经常需要数据共享,但是由此带来的隐私泄露事故层出不穷,因而人们将注意力投入到开发精确的隐私保护数据发布方法中。而差分隐私理论建立在严格的数学基础上,对隐私保护提供精确定义以及量化评估方法,所以被广泛应用于众多数据统计和发布相关领域中。针对不同数据发布方法通常需要不同的差分隐私发布技术,本文针对两大类数据发布方法,提出相应的改进方案。针对以直方图为发布标准且应用于统计类数据的发布方法,本文提出基于小波变换的分区直方图数据发布算法。该算法首先使用基于贪婪思想的分区算法,得到较好的分区结构,然后在此基础上使用小波变换加入噪声,最后将其还原回原始直方图结构。该算法一方面可以使得小波变换构建的小波树复杂程度降低,另一方面使查询噪声由线性增长变为多重对数增长,因此可以提高直方图计数查询的精确度。针对基于划分且应用于空间类数据的发布方法,本文提出基于网格的自适应加噪算法。该算法首先进行平均网格划分以及加入统一尺度参数的拉普拉斯噪声,然后递归挑选待优化的网格集合,自适应加噪来降低每个网格的相对误差,最后对优化后的网格进行第二层网格划分。该算法一方面可以根据网格中的计数值大小自适应加入噪声,另一方面降低了查询误差,因此可以提高划分发布计数查询的精确度。