现如今,大数据技术已经成为了互联网技术中至关重要的一部分,如何运用数据分析方法挖掘出数据背后的价值是大数据技术的核心问题。与此同时,数据的安全分发问题显得尤为重要,而关系型数据库作为一种重要的数据存储手段,它在分发时也面临着种种挑战。关系型数据库在分发时容易发生泄密,如何在关系型数据库发生泄密后对泄密者进行溯源追踪成为了研究重点。针对关系型数据库分发后可能出现的泄密问题,本文提出了两种分别适用于数值型和非数值型关系型数据库的溯源方法,从而保证关系型数据库的安全分发,所做的主要工作如下:首先,根据数值型关系型数据库数据冗余空间较大的特点,本文提出了一种基于多层编码与随机森林的数据库指纹溯源方法。针对数据库指纹抗合谋能力差与可容纳用户少的问题,本文利用多层编码的方法将正交最优聚焦指纹码（OFFO）与自由覆盖族码（CFF）结合,在提高指纹抗合谋能力的同时扩大可容纳的用户量。另外,数据库指纹嵌入算法也面临着数据库可用性差与指纹嵌入鲁棒性差的问题,本文利用随机森林对属性重要性评分的方法来选取属性,然后根据属性值的次MSB位（次最高有效位）来筛选元组,保证数据库可用性的同时提高数据库指纹嵌入算法的鲁棒性。其次,根据非数值型关系型数据库数据冗余空间较小的特点,本文提出了一种基于保留参照关系与属性值分类的零水印溯源方法。由于任意程度的数据失真都会给非数值型关系型数据库的可用性造成较大的影响,本文利用一种属性值分类的零水印方法对其进行无失真水印嵌入。然后针对零水印无法用于关系型数据库泄密溯源的问题,结合保留参照关系拆分数据库的方法来使得零水印方法具有泄密溯源的能力。最后,本文通过多组对比实验验证了数据库指纹溯源方法生成的指纹具有很好的抗合谋能力并能容纳更多用户,而且该溯源方法在保证数据库可用性的同时还具有很强的鲁棒性;本文还通过多组对比实验验证了零水印溯源方法的可行性,实验结果表明本方法的数据不会失真,并且在不同方式的攻击下仍有较好的鲁棒性。