当今,随着数据发布和数据挖掘技术在数据库方面的应用越来越广泛,敏感信息泄露已经成为威胁信息技术发展的一个重大问题。对敏感信息的隐私保护已经成为数据安全和数据挖掘应用方面的一个重要研究方向。K-匿名是在数据发布中应用较为广泛的隐私保护方法。本文基于K-匿名技术对工程建筑系统中的数据发布中的敏感信息泄露问题进行分析和研究,对原有的匿名模型进行了优化。本文针对现有的K-匿名用于数据发布中存在的保护问题,即没有充分地考虑敏感属性的问题,提出了基于K-匿名的两次聚类泛化隐私保护模型。该模型从敏感属性是数值型数据这一特殊点着手,对敏感属性数值按照数值差额归属到不同的敏感度级别,然后从数值的分布和等价类中敏感属性不能都相似这两个方面分别进行聚类泛化。同时,本文对其他的匿名算法进行研究分析,结合聚类和两度匿名的算法思想实现了基于K-匿名的两次聚类泛化算法,且每次聚类泛化中要求数据记录尽可能在准标识符上相似,并结合泛化给出与距离和信息缺损相关的公式以及定义。本文利用工程建筑系统中的模拟数据在算法的执行时间和信息缺损上来验证改进的基于K-匿名的两次聚类泛化算法。另外,利用Adult数据集对本文提出的算法和P-Sensitive K-匿名算法在执行时间和信息缺损上进行对比分析。由实验结果分析可得,本文提出的两次聚类泛化算法不仅能较好地保护敏感信息,还能保证数据的潜在可利用价值和统计性。