随着网络技术的发展和数据库应用领域的不断扩大,政府、企业、个人根据需要在互联网上发布自己的数据,而一些研究部门则研究他们发布的数据。在这些数据中包含了社会中各种各样的信息,有些还涉及到个人的敏感信息。信息技术的高速发展,使得全球信息量成指数形式增长。人们为了获得有用的信息,广泛采用数据挖掘技术。但是随着数据挖掘技术的不断发展,给数据隐私带来了不小的麻烦。个人的隐私信息,例如医院的病历数据就包含了个人患有某种疾病的敏感信息。数据隐私泄露的现象越来越严重,很大程度上给人们的生活带来了困扰。目前,数据隐私保护技术的查询研究已经形成了大量的理论成果和系统原型,他们的主要工作大都集中在对静态数据库的匿名保护处理。前期的匿名保护方法是静态的,而数据库中的数据都是时时在发生变化的,是动态的。如何处理好由多次发布造成的推断攻击是要研究的重点。动态数据的研究有m-不变性,支持插入和删除的匿名策略。保持增量k-匿名性,只支持插入的匿名策略。针对上面研究的不足,提出了一种全新的方法解决了多次发布造成的所有隐私泄露。首先对这些造成隐私泄露的可能性进行分析,在匿名过程中,保证了匿名数据的k-匿名,而且也保证了匿名数据的l-多样性。与此同时,还能够保证多次发布的匿名数据表在攻击者的推理表中能确保k-匿名性和l-多样性。而且多维数据空间索引随着维数的增加,其运行时间会成几何指数增长,运行的时间效率会非常低。在此基础上采用空间填充曲线的方法把多维数据转换成一维数据,这样会大大降低运行时间,提高了数据的索引效率。