数据隐私保护不仅需要保护数据安全性,同时还要尽可能提高数据的可用性。在差分隐私保护中,隐私预算的分配直接影响到数据查询结果中噪音添加的大小,也直接决定了数据的可用性与安全性。在一些应用场景中,随着查询次数的增加,甚至趋于无穷时,引入的噪声量迅速增加,从而使得数据的可用性急剧下降。为了解决实际中有限次隐私预算的分配和优化问题,我们提出了几种利用级数来分配隐私预算的差分隐私保护方案。其中,隐私预算ε是以级数形式表示的,并且第4)次预算分配量₄)即为级数表达式的第4)个分量,使得隐私预算的总和不超过ε。通过提出的分配方法,可以有效地降低噪音的增量速度,并对Taylor级数展开法、级数法和特殊级数法三种类型的级数进行了隐私预算分配的评价。这些方法可以形成无限次数据处理的隐私保护方法。此外,对于一些应用场景,数据处理是有限次的,针对这种情况,提出并分析了一些优化的隐私预算分配方法。理论分析和实验结果表明,基于级数的方法满足ε-差分隐私保护需求,而级数法和特殊级数法引入的噪声远小于二分法。因此,提高了数据的可用性。