近年来,网络和存储设备的逐渐普及,推动了智能交通、基于位置服务推荐等应用的发展,然而,他们所发布的数据中往往包含隐私信息,如果不经过任何处理直接将这些数据进行共享会导致个体敏感信息的披露。这就引发了对数据发布过程中的隐私保护课题的探索和研究,其主要目标是平衡好数据的安全性和数据的可用性,一方面要损失一些信息以保护个体的隐私,另一方面要保留数据原有的重要信息以便对其进行分析。本文在分析研究l-多样性模型的基础上,针对传统的l-多样性模型虽然保证了每个分组中敏感属性值的多样性,但是没有考虑到敏感属性的语义信息这一问题,提出一种使用聚类技术来实现的语义l-多样性算法:首先将敏感属性的语义信息加入到l-多样性模型中,使得生成的每个等价类分组中语义不相似的敏感属性值的个数大于或者等于l个。其次在划分等价类的过程中采用聚类技术,在满足语义l-多样性的前提下,把数据集中最相似的记录放在一个簇中,并在算法的最后对所生成的类簇进行调整,将导致匿名表信息损失变大的类簇拆开,并将类簇中的记录插入到与其距离最近的类簇中,进一步减小概化操作所造成的信息损失,提高匿名数据表的质量。最后概化簇中记录的准标识符属性,实现数据表的匿名化。最后通过实验进行验证。实验结果表明本文中提出的算法能够有效地防止相似性攻击并且信息损失小,尽可能多地保留数据的可用性。