数据发布为数据共享和数据交换提供了便利。然而，随着数据发布技术的不断发展及其在人们工作和生活中越来越深入的应用，数据发布过程中的隐私泄漏问题也日益突出，如何避免隐私数据敏感信息泄露成为当前面临的重大挑战。隐私保护数据发布在这种情况下提出并得到了研究者的广泛关注。目前的研究工作大多针对单维敏感属性数据发布展开，其发布方法直接应用于多维敏感属性数据发布将引起隐私的泄露。论文针对多维敏感属性数据发布中的隐私泄露问题进行研究，主要工作包括：　　 针对数值型敏感属性数据发布中可能带来的近似攻击（Proximity Breach）问题，本文基于有损连接技术，设计启发式算法以合理的时间消耗提出较优方案。首先提出单维数值型敏感属性的数据发布方法l-SNSA匿名算法，并对l-SNSA匿名算法进行研究，进而提出较好地解决多维数值型敏感属性数据发布问题的l-MNSA匿名算法，并且以实验证明其有效性。　　 针对类别型敏感属性数据在发布时如果不经过处理，容易泄露内在蕴含的意义，受到语义近似攻击（Proximity Breach）问题，基于多维桶思想提出l-MCSA匿名算法，通过定义敏感信息向量，避免相似语义的敏感信息在同一组中发布，保护类别型敏感数据。　　 针对敏感属性为多维时，攻击者有可能能够获取一维或儿维敏感属性信息，并且结合准标识符信息对其他敏感属性进行推理攻击的问题，提出（Dou-l）-匿名模型，更好地保护了敏感信息。基于多维桶和分解思想，提出（Dou-l）-匿名算法，使得即便攻击者掌握了部分敏感数据，仍然能较好地保护其它敏感属性数据的隐私安全。　　 最后，文章分析了相关研究中尚未解决的问题，展望了相关技术的未来发展趋势。