近年来,随着信息产业广泛而深入的发展,面向不同应用领域的数据激增。人们迫切需要将这些数据转换成有用的信息和知识,由此带来了对强有力数据分析工具的需求,数据挖掘技术正是在此需求上产生的。现在,数据挖掘及知识发现技术已经取得了进步,使用这些技术使我们可以从海量的信息中提取出隐藏的、有用的数据或知识,但是这同时也增加了当资料公开给外界时所存在的风险,对隐私和信息安全构成威胁。数据挖掘隐私保护技术就是研究解决此类问题的方法,其目标在于建立某种关联,跨越数据挖掘和数据机密性之间的鸿沟。在数据挖掘隐私保护的研究中,隐私数据的时间特性以及空间特性是历来研究中所常常被忽视的。众所周知,时间性和空间性是现实世界数据库本身固有的因素,更是构成隐私数据的两大基本属性,把它们作为约束条件,就可以研究更为真实的现实情况。本文针对这两个特性开展了数据挖掘隐私保护方法的研究。论文首先介绍了数据挖掘、隐私保护的基本概念,并从数据分布方式、数据修改方式、数据挖掘算法、隐私保护对象和隐私保护技术五个角度分析和评价了目前几种典型的隐私保护数据挖掘方法。接着研究了含有时间性约束和含有空间性约束的隐私保护方法,在此方法中定义了数据安全级概念,对不同的项目或事务,按照其相应的安全级采用不同等级进行属性分层,使数据的隐私得到保护。然后将数据安全级与时间和空间相结合,引入了数据安全级的时效性以及空效性,然后综合时间和空间特性,研究了基于时空特性的隐私保护方法。最后,将该方法应用于基于时空约束关联规则的数据挖掘隐私保护中,研究了隐私保护关联规则挖掘算法,并通过实验对算法的信息损失度、执行时间、算法效能等性能进行了分析和验证。