随着当前科技水平的发展,人们的所有行为都被数据所记录,如用户的购物浏览记录和订单记录数据、医疗数据、位置信息数据等等,数据已经成为一笔巨大的财富。为了可以更好提供信息服务,做出更准确的判断,企业间的数据融合已经成为新的发展趋势,但是数据融合过程很容易造成用户隐私信息的泄露,轻者降低用户的体验、企业的信誉,重者威胁用户的财产安全、影响企业的未来发展方向。因此,关于数据的安全融合研究已经成为当前研究的热点。本文总结了已有的数据安全融合模型所使用的方法,分析了当前模型存在的不足,针对垂直数据的安全融合问题提出了两种改进方案:1.结合已有的关于两方数据的安全融合方案ASHP,提出了一种基于k-匿名隐私模型的多源数据安全融合方法。2.针对已有数据融合模型中没有考虑敏感值的隐私保护问题,提出了面向敏感值的多源数据安全融合方法。本文的主要工作如下:1.针对ASHP协议存在的时间资源花费比较严重的问题,本文预先对属性分类树重新进行构造,减少了无效节点加入候选者造成的数据更新次数,缩短了融合协议的执行时间。同时使用ASHP中提到的多源数据安全融合思想提出了一种基于k-匿名的多源数据安全融合模型,并构造了基于k-匿名的多源数据安全融合协议。通过实验证明了该方法在实现两方数据融合时时间花费比ASHP协议更少,并且该方法可以有效的解决多源的数据安全融合问题。2.针对分类敏感属性的敏感值,将敏感值进行分组,对不同的分组设置不同的频率约束,提出了(p,A)-sensitive-k的匿名模型;针对连续敏感属性的敏感值,将敏感值进行分级,设置等价组的级数约束,提出了l-sensitive-k匿名模型。同时结合TDS的思想提出了面向敏感值的多源的数据融合模型,并构造了面向敏感值的多源的数据融合协议。通过实验证明该方法不仅可以实现多源的数据的安全融合,同时可以保护敏感值的隐私。