电子信息技术的发展促进了数字经济的进步，而数字经济的关键在于数据。企业和机构利用数据总结经验、探索规律并预测趋势，为决策服务提供了很大的帮助，但数据的收集与发布过程很容易产生隐私泄露的风险。差分隐私技术被应用在数据发布过程中可以保护隐私，却影响了数据的可用性，本文主要对此问题做出了一些改进。
　　在交互式环境下，合理的隐私预算分配能够带来更高的数据可用性。为了解决有限次交互式数据查询的隐私预算分配问题，本文对现有的隐私预算分配算法进行了评估。然后提出了基于敏感度的隐私预算分配算法。理论分析和实验结果表明，基于敏感度的算法符合ε-差分隐私，且敏感度法引入的噪声比调整后的特殊级数法平均减少了4个数量级，有效地提高了数据的可用性。
　　在非交互式环境下，直接对流数据进行差分隐私直方图发布会引入大量的噪声，造成发布的流数据可用性低。基于此，本文提出了基础的卡尔曼滤波流数据直方图发布算法，该算法采用卡尔曼滤波对滑动窗口内已经隐私保护的数据进行后置处理。理论分析和实验结果表明，该算法符合w-事件差分隐私，且在数据发布时引入的噪声比已有的流数据直方图发布算法平均减少了19.2%。若考虑到流数据的突变性，采用改进的卡尔曼滤波进行后置处理，那么引入的噪声比已有的流数据直方图发布算法平均减少了28.1%，提高了发布数据的精确度。
　　采用本文的思想，在交互式环境下进行查询保证了数据的可用性，在非交互式环境下保证了流数据的高精度。这些工作有利于在数据发布过程中，保护数据隐私的同时让数据请求者得到更加有效的信息。