近年来,随着数据存储能力的不断提升,数据的隐私保护问题越来越受到人们的重视。数据挖掘作为强有力的知识发现工具,能够从这些海量数据中提取有用信息,与此同时会使得大量的隐私数据随着整个挖掘过程被泄露出去。在短短的几年里隐私保护数据挖掘有了快速的发展,对于各种的数据挖掘技术都提出了相应的隐私保护方法,从实验数据上看,这些算法都起到了令人满意的效果,然而在实用性方面仍然有所欠缺,这就使得隐私保护数据挖掘技术有着广泛的研究前景。本文主要研究了在分布式环境下,关联规则挖掘的隐私保护方法。主要工作如下：第一,对数据挖掘和关联规则挖掘进行了综述,介绍了隐私泄露的概念,并对隐私泄露进行了分类描述,对关联规则隐私保护方法进行了分类和概括。第二,对于分布式环境下源数据的隐私保护,在相关研究的基础上,利用同态加密技术实现了关联规则的隐私保护挖掘。并对此进行了改进,引入了数据扰动手段,使得算法可以在恶意参与方存在的情况下进行正常工作而不泄露隐私。同时考虑现实应用中的非法参与,提供了一种零知识证明的验证手段,为实际的分布式应用提供服务。第三,对于敏感规则隐藏的算法进行深入的研究,提出了一种基于边界理论的规则隐藏算法。算法的目的在于尽可能的减少隐藏敏感规则所带来的非敏感规则丢失。第四,在关联规则发布阶段,总结了相关的量化方法,并对几个重要的算法进行了探讨。第五,利用研究的所有内容进行了整合,将这些技术有机的整合在一起,设计了一个完善的关联规则隐私保护挖掘平台。