本文分析了数据挖掘和聚类分析的研究现状,指出数据挖掘中聚类分析需要进一步研究和解决的问题,将按安全多方计算协议与聚类分析相结合提出分布式聚类隐私保护算法,并在此基础上建立基于数据挖掘隐私保护的多Agent模型。本文主要内容如下:(1)通过对比数据挖掘过程中的关键技术:关联规则、分类和聚类分析的特点及应用,以及隐私保护在该算法中的研究现状,指出现有数据挖掘中的不足以及隐私保护方法的的优缺点。(2)介绍常用的聚类分析算法,深入对比研究K-maeas聚类算法,分析了聚类算法优势及不足;研究了隐私保护相关理论,重点探讨了安全多方计算基础协议的应用,并对安全多方计算基础协议在数据挖掘中可行性进行了深入的分析对比。(3)针对现有数据挖掘研究下隐私保护方法的特点,在分析聚类分布式算法基础上,结合分布式环境中数据挖掘与多Agent特点,设计了分布式聚类挖掘在Agent模型上实现方法。(4)综上所述,本论文提出了一种基于分布式隐私保护的聚类算法DCPPD,该算法不仅能实现聚类挖掘,而且能对各站点的隐私数据得到安全保护,即实现了数据挖掘要求,又达到了隐私保护,从而做到了双赢。最后利用Agent优势建立了多Agent数据挖掘模型,数据挖掘隐私保护性能得到进一步提高,该模型能不仅实现改进算法的功能,而且提高了数据挖掘的运算效率。