如今随着网络普及,手机电脑等设备的普及,绝大多数人的生活和娱乐都高度依赖于网络。互联网成为了人们另一个生活空间,在这空间中,人们社交,购物,学习,其乐无限。但随着人们在互联网中的足迹增多,人们的财产安全、信息安全默默的绑定到了网络。外表一片祥和的互联网环境中,针对用户信息的诸多攻击行为、犯罪行为频频出现。近年的棱镜门事件,人们开始增多对互联网信息安全,个人的隐私安全的关注,针对用户信息的保护策略和保护技术的研究悄悄的诞生并快速的发展。差分隐私保护技术,是众多针对用户隐私安全的保护技术的一种。算法的提出首先应对的是背景知识攻击,近年的差分隐私保护研究将主要的精力放在通过更好的策略添加噪声防止数据泄露,而较少的关注数据本身的特征,导致现阶段差分隐私保护算法的数据发布精度不高,可用性差。论文针对传统差分隐私保护的直方图数据发布算法中重构误差和噪声误差控制不足的缺陷,借鉴结构优先的差分隐私直方图发布策略的优势,提出了基于限定梯度差阈值的差分隐私保护数据发布算法。本文算法整体拆分为多个不同功能的步骤:记序,目的是记录原始直方图的初始次序,用于最终的直方图还原;重构,以降低误差和降低噪声预算为目的,重构直方图;压缩,按规则合并直方图,以降低噪声预算;加噪声,添加随机分布的拉普拉斯噪声;还原,根据记序步骤记录的次序,还原直方图以得到最终发布直方图。论文详细介绍了算法,分析算法每步设计的依据和目标,并总结出算法存在的不足之处。针对实验,搜集了两组分布特征不同的数据作为实验的数据集,按步骤进行实验,并设置了对照实验。最终设定严格的噪声误差,数据可用性评估依据,通过详细的实验和对比,一方面验证了算法能较大程度保护数据有效性,降低噪声预算。另一方面也验证了算法本身的特征和缺陷,掌握算法的特点以更好的发挥算法的优势,而算法的不足则作为后期的研究目标。