医疗数据发布有助于对数据进行挖掘分析研究并助推智慧医疗的发展,同时也带来了医疗数据隐私泄露的风险。目前在数据发布场景中,仍存在数据接收者利用已有数据或者背景知识对发布数据进行攻击,造成个人隐私信息泄露的问题。但目前缺少较好的方法和系统对医疗数据隐私泄露风险进行评估。因此,针对上述问题,基于隐私偏好、信息熵和相似性距离等相关理论和方法,提出了数据发布的隐私泄露风险评估方案以及隐私保护方案,并设计与实现了医疗数据发布的隐私泄露风险评估系统。具体研究工作如下:（1）医疗数据发布的隐私泄露风险评估方案设计。针对数据发布中隐私泄露风险缺少评估方法的问题,运用皮尔逊相似度将用户隐私偏好转化为主观属性敏感性,然后均值化获取客观属性敏感性;通过构造距离公式对原始数据与待评估数据进行距离度量计算属性的相似性;采用信息熵和互信息等方法计算属性间的关联系数,取与其他属性关联系数的最大值形成属性的关联性;最后综合属性的敏感性、相似性和关联性计算属性隐私评分,根据评分构建隐私风险指数,划分风险等级。通过实验分析验证隐私泄露风险评估方案的有效性。（2）医疗数据发布的隐私保护方案设计。针对评估中隐私泄露风险高的问题,首先通过属性隐私风险评分划分属性隐私风险等级,然后根据属性隐私风险等级和医疗数据特点选用合适的隐私保护方法与保护强度实现数据的自适应隐私保护。解决了结构化医疗数据中离散型数据与连续型数据的均衡隐私保护问题,实现了数据的匿名化隐私保护与差分隐私保护功能,进而实现了数据隐私保护的均衡化,提高数据的效用性。（3）设计与实现医疗数据发布的隐私泄露风险评估系统。针对隐私泄露风险评估的应用需求,在基于上述方案的基础上,首先分析系统的功能与非功能需求并完整的设计系统的体系结构与技术实现方案;然后从用户角度出发对主要模块功能进行详细的分析设计,将上述设计方案分别应用于隐私风险评估模块与隐私保护模块;最后完成系统的开发实现并进行系统测试。本系统主要包括隐私风险评估模块、隐私保护模块、数据发布模块和用户管理模块等。实现了结构化医疗数据隐私泄露风险的评估,对于降低医疗数据隐私泄露风险,实现医疗数据的共享具有较好的效果。