在物流领域中，建立完善的物流信用体系是规范市场秩序、提升行业文明水平的重要措施。本文以某省交通物流云平台项目为背景，对物流企业信用评级的相关技术进行研究。目前物流信用评级主要存在以下两个问题：1)当前物流企业信用评级的方法主要为经验型方法，这些方法还不够精确和客观。2)物流企业的执法、运政等数据存储于综合执法系统和运政信息管理系统等政府机关管理的系统中，这些数据涉及隐私，在对于这些数据进行集成的时候需要对数据进行隐私保护。针对上述问题，本论文在对数据集成的隐私保护和贝叶斯网络等相关技术进行深入研究的基础上，提出了一种基于差分隐私的数据集成方法以及基于贝叶斯网络的物流企业信用评级方法，并基于上述方法设计并实现了一个物流企业信用评级系统。测试及应用表明，该系统是可行及有效的。与其他类似系统相比，本文工作具有以下特点：1)提出了一种基于差分隐私的数据集成方法。该方法针对数据集成时的噪声不可控问题，提出了一种分布式噪声添加方法；针对数据集成时Join操作向其他数据源暴露关键数据的问题，提出了一种匿名Join操作方法。2)提出了一种基于贝叶斯网络的物流企业信用评级方法。为了提高物流企业信用评级的精确度，该方法对贝叶斯网络结构的精确度和收敛时间进行改进。与ACO-B算法相比，该方法的网络结构学习的K2评分提高了1.75，收敛时间加快了5.87%。3)在上述两种方法的基础上，设计并实现了物流企业信用评级系统，该系统包括隐私数据集成计划客户端，隐私数据集成引擎及信用评级引擎等模块。4)将系统应用于某省的交通物流云计算平台，以SaaS服务的形式为该云平台用户提供货运市场诚信评价服务。试运行情况表明，该系统拥有98.50%的评级正确率。