数据发布是数据开放共享的必要手段,然而多样的数据挖掘技术和攻击方式给隐私保护算法强度带来冲击。若能预估隐私保护机制的隐私级别则能有效为数据发布者提供发布决策依据。此外,高隐私保护导致低数据效用,因此解决隐私保护机制中的隐私与效用平衡问题至关重要。本文以交互式框架为基础,探讨了交互式差分隐私保护模型及其量化模型研究,旨在解决交互式的差分隐私保护机制中隐私泄露与数据效用量化问题。首先,基于信息熵度量模型,提出基于图论与互信息量的交互式差分隐私度量模型;进一步在差分隐私信息论框架下,基于汉明距离量化发布数据集整体数据效用;最后,考虑隐私与效用均衡问题研究交互式差分隐私保护机制中隐私与效用的平衡优化问题。具体研究工作如下:(1)提出一种基于图论与互信息量的交互式差分隐私度量模型。基于信息熵度量模型,重构交互式差分隐私保护框架,引入互信息量实现对发布数据与原始数据间的隐私泄露进行量化,进一步基于汉明图提出最大互信息隐私泄露量计算方法。实验表明,该度量计算方法约束条件少,且对任意原始数据集概率分布都成立。(2)提出一种基于汉明距离的交互式差分隐私数据效用度量模型。基于差分隐私的信息论框架,引入汉明距离量化真实结果与发布结果间的数据效用;在汉明图结构性质的基础上,考虑数据效用上界求解问题,分析对比表明基于汉明距离的交互式差分隐私效用度量模型能够有效量化差分隐私保护机制中的数据效用。(3)基于上述研究内容,考虑交互式差分隐私保护机制中数据与效用的均衡问题,利用KKT条件描述了隐私与效用优化问题,基于迭代算法思想提出互信息隐私与效用最优化问题的近似求解算法,求解最优信道机制。实验分析对比表明所提出的隐私效用优化模型能够有效解决交互式差分隐私数据发布场景中隐私与效用的平衡优化问题。