随着大数据时代的来临，海量数据背后的重要信息吸引了越来越多人的关注。因此，为了满足科学研究和知识决策的需求，推进社会信息共享，拥有数据的一方常常会将数据向第三方发布。然而，直接发布原始数据会泄露个人敏感信息。甚至，隐匿个人的标志信息后再发布也会存在隐私泄露的可能，攻击者可通过发布的数据与其他渠道获得的数据进行链接攻击从而获得个人隐私信息。所以，在进行数据发布之前需要对原始数据进行隐私保护处理。　　同时，随着网络数据流量的不断增长，运用云计算来处理存储在云端的海量数据成为一种趋势。但云环境也存在不可信的因素，云端数据发布面临更多的隐私保护问题。所以为了降低云端数据发布过程中隐私信息泄露的可能性，如何对云端数据进行隐私保护处理成为一个亟待解决的问题。　　在隐私保护方面，有学者提出用隐私保护模型来衡量数据是否满足安全发布的要求。在众多模型中，k-anonymity模型是研究和应用较为广泛的隐私保护模型之一，该模型采用泛化技术对数据进行匿名化处理。全域泛化是典型的基于泛化技术的数据匿名化方案。除此之外，全同态加密技术作为一种能直接进行密文运算又不对保密性产生影响的密码学技术，既能够通过数据加密处理实现云端数据的安全存储，又能够对密文数据进行隐私保护处理，保证云端数据处理和发布过程的安全性。结合这两项技术，本文提出了一种基于全同态加密的全域匿名算法，来解决云端数据发布的隐私保护问题。　　本文首先分析了全同态加密技术和隐私保护技术的国内外研究现状以及两项技术的结合情况。然后剖析了全同态加密技术的基本原理，重点分析了BGV全同态方案。接下来阐述了隐私保护的实现方法，重点分析了k-anonymity模型和Incognito算法。在上述内容基础上，本文提出一种面向全同态加密的二进制格式下的全域匿名算法，并设计四种优化方案，最终结合全同态加密方案，并引入云环境，实现云环境下基于全同态加密的全域匿名算法。