随着大数据时代的到来,高校学生在校园网环境中产生了越来越多的行为数据,逐渐形成了一个从学生学籍信息、学业成绩、一卡通消费到上网情况等多维数据存储体系。如何在海量的学生数据中挖掘有价值的信息,实现对学生的高效管理,实时了解学生状态,实现学生精准管理,成为高校管理者要解决的重要问题。本文在研究和对比国内外用户画像技术基础上,收集了教育部某重点高校学生的学籍信息、一卡通消费、学业成绩、上网情况等26个维度的校园行为数据,设计分解为基本属性、统计属性、分析属性三类信息,设计实现了基于隐私保护的学习型校园用户画像系统。针对校园用户分析需求,选择关联规则模型,挖掘学业课程之间的内在联系;选择C4.5决策树算法,建立贫困生判定模型。为实现校园用户隐私保护,采用AES加密算法对用户的敏感字段进行加密处理,并设计实现了基于异或对比的敏感字段完整性校验。经实验验证,通过Apriori关联规则对科目相关性的挖掘达到了 82%的置信度,通过C4.5对贫困生的判定达到了 87.43%的准确率。隐私保护情况下,页面加载的时间复杂度为2.48s,在用户可接受范围内。进而给高校学生管理提供了大数据驱动的决策支持。