摘要：随着社会的发展,医疗数据的数量呈现指数式增长。然而这些数据在多个机构之间分布式处理,以纸质或电子化的形式进行保存,以叙述化和结构化的混合数据形式表示。电子病历的提出改善了医疗服务机构之间的交流方式,也方便了病历数据的访问。同时,借助电子病历还可以对数据库中存储的大量医疗信息进行医学研究。然而,随着对病历数据的访问变得越来越方便和快捷,保护病人的隐私也变得日益重要而不容忽视。由于电子病历中包含有病人的隐私信息,所以研究人员对这些信息的访问应加以限制。本文以电子病历为应用背景,对病历发布过程中的匿名化隐私保护方法进行分析和研究,主要研究内容及贡献如下：首先,针对目前电子病历发布中的常见隐私保护模型进行研究,分析了经典K-Anonymity模型和改进的L-Diversity模型存在的不足,然后结合两种模型的优点,提出一种增强的电子病历隐私保护模型并设计算法予以实现。新模型通过聚类泛化方法,增强病历发布的有效性。在聚类过程中定义新的信息损失度量标准,增强病历发布的安全性和灵活性。实验结果表明,该模型可以减小病历隐私泄露的风险,同时具有较小的信息损失。其次,针对目前电子病历隐私保护过程中没有考虑个性化需求的问题,提出一种个性化电子病历隐私保护算法。新算法采用敏感属性分级,充分考虑不同敏感值之间敏感程度的不同,避免同一敏感级别的敏感属性值出现在同一等价组中。同时,通过对敏感属性的泛化,允许病人在数据发布前自由设定敏感属性值的保护强度,满足病人的个性化需求。实验结果表明,新算法在保证敏感信息安全的同时满足了病人个性化隐私保护的需求。图7幅,表13个,参考文献62篇