近年来数据发布过程中的隐私保护一直是人们关心的问题,尤其是医疗数据中往往包含患者的许多敏感信息,如疾病类型、就诊医生、过往病史等。目前针对多敏感属性的研究主要是基于L-多样性方法:采用有损连接技术对准标识符表和敏感信息表进行连接,或者对准标识符信息直接进行泛化和隐匿处理,两种处理方法都导致数据损失较大。针对上述问题,论文提出了基于主敏感属性排序分组算法和基于相似准标识符分组算法。基于主敏感属性排序分组算法主要过程:基于敏感属性构建多维桶结构,并将数据记录按照敏感属性取值映射在多维桶结构中,然后基于多维桶进行分组,选取主敏感属性,计算主敏感属性的维容量,按照维容量大小依次遍历各个主敏感属性所对应的每个桶,直到满足多敏感属性L-多样性。基于相似准标识符分组算法主要过程:将数据集执行聚类,在聚类产生的各个数据集中进行分组,每次分组选取一条数据记录,并计算其他数据记录距离其距离,按照距离大小进行排序,尽可能选取距离小的分在一组,并让分组满足多敏感属性L-多样性。仿真实验表明,论文提出的两种分组方法在信息损失度、隐匿率和附加信息损失度三个方面的数据质量度量指标都较低,在保证数据安全的前提下,减少了对准标识符属性的概化和隐匿处理,提高了数据的可用性。