为了更好地对多数据源挖掘中可能出现的敏感信息进行保护,同时达到在数据库动态变化情形下也能高效准确地从多数据源环境中挖掘出所需序列模式的目的,本文针对多数据源环境下高投票率序列模式挖掘以及挖掘中出现的敏感知识泄露和数据库增量变化问题进行研究,主要研究隐私保护的多数据源序列模式挖掘算法的设计与实现。　　在多数据源环境下,研究提出一种基于隐私保护的多源高投票率序列模式挖掘算法。通过计算数据库项集相似度,按照一定分类原则,设计了数据库个数和类个数可变的多数据源序列模式分类算法;同时,在给出一种有效的多数据源高投票率序列模式挖掘方法的基础上,结合隐私保护要求,采取“分类—清洗—合成—挖掘”方法,提出一种隐藏敏感模式的多源高投票率序列模式挖掘算法。与不隐藏敏感模式的多源高投票率序列模式挖掘算法进行实验测试对比,实验结果表明给出的算法只需花费额外少量的敏感模式匹配处理时间,可确保算法能够在挖掘得到全局高投票率序列模式的同时,隐藏敏感模式、保护多源数据中的隐私信息。　　针对数据库动态变化的情形,对已有的增量式序列模式挖掘算法IncSpan进行改进,结合多源环境和隐私保护特性,按照相似度对原数据库和对应增量数据库分类,随后将每类数据库和增量数据库与敏感序列模式集合进行匹配,隐藏其中敏感序列模式。采用提出的多源增量式序列模式挖掘方法,分析挖掘其余“干净”序列模式中的全局高投票率序列模式。有效利用原始数据库挖掘结果和增量数据库分析结果,减少数据库扫描次数,缩短了挖掘时间。在扩展的增量式序列模式挖掘算法基础上设计多数据源环境下序列模式增量式挖掘隐私保护算法。实验结果表明改进的多源高投票率序列模式增量式挖掘隐私保护算法,相对非增量式挖掘算法,缩短了挖掘时间,有效保护了敏感信息,挖掘结果安全且准确。