社会信息化进程的加快凸显了数据价值的同时使数据所面临的安全隐患也随之增加。为了加强对数据安全的保护,对敏感属性进行识别进而对敏感属性脱敏处理是十分重要且必要的。海量数据的出现使得数据之间蕴含的联系更为复杂多变,如何实现高维数据的敏感属性的识别和分级,已经成为迫切需要解决的的问题之一。目前相关研究还存在很少针对高维数据对象、分级标准固定以及研究领域没有涉及医疗健康领域的问题。针对以上三个问题,研究提出了高维数据的敏感属性识别和分级模型,具体的研究内容包括以下三点:（1）基于两步聚类算法将原始高维数据聚类,进而将原始高维数据分成多个记录数相同,但是所含变量不同的数据组,缩小后续聚类分析和关联分析的识别范围,提高敏感属性识别效率。针对每一个数据组中属性,基于信息熵对属性敏感程度进行度量,并基于聚类分析和关联分析对敏感属性进行识别。（2）从敏感度和敏感属性之间的联系的角度出发,建立动态的分级规则,并基于所有数据组的敏感属性的关联敏感度,确定敏感等级,进而将敏感属性进行动态化分级,确保按照当下数据结构有针对性地对敏感属性进行分级。（3）将研究所提出的高维数据的敏感属性识别和分级模型在医疗健康领域的糖尿病数据上进行实证分析,探究模型在糖尿病数据上的可用性和效率,进而为医疗健康领域的糖尿病数据的敏感属性识别和分级的相关研究作出理论贡献。