数据挖掘技术正受到人们越来越多的关注,与此同时隐私保护问题也日益受到广大人们的重视。如何在保护自身隐私的同时进行充分的合作和数据的共享,已经成为人工智能领域的一个研究热点。　　本文主要针对多方合作计算问题展开了研究,目的在于使参与各方能在很好的保护自身敏感数据及数据分布情况等知识的前提下,能很好的进行相互间的协作,挖掘出基于整体数据集的知识作为参与者的共同财产。通过将数据流当中的微簇概念引入到分布式的环境中,并加入多方安全协议,我们提出了基于隐私保护的分布式聚类算法。该算法具有很小的通信消耗,较低的计算时间复杂度,然而却具有很好的安全性以及较高的准确率。　　考虑到信息飞速增长,各个行业内部合作逐步扩大的现实背景,文章在之前提出的基于微簇的聚类算法基础上进行了扩展,提出了增量式的隐私保护聚类算法IDPPKMeans(Increment Distributing Privacy Protect K-Means),避免了由于新的数据集加入到合作系统中而引起所有数据进行重新聚类的问题。最后通过实验证明该算法具有较高的准确度,并能很好的保护数据的安全性。