直方图个性化统计特征涉及个体隐私,直接发布将不可避免地带来隐私泄露问题。近年来,差分隐私以其对背景知识的弱依赖性,在隐私保护直方图发布领域得到持续关注。隐私保护直方图发布研究目前主要集中于数据集直方图一次性发布以及数据流直方图连续发布领域,已有数据集直方图一次性发布方法采用分组思想降低发布直方图误差,存在无法有效均衡分组近似误差与拉普拉斯误差问题;已有的数据流直方图连续发布方法研究较少,且侧重高实时性发布场景,应用于低实时性发布场景时,发布直方图可用性较差。本文分别针对以上问题提出了满足差分隐私约束的直方图发布方法。论文主要工作如下:（1）针对已有数据集直方图隐私保护一次性发布方法无法有效均衡近似误差与拉普拉斯误差,造成直方图可用性缺失问题,引入约束推断技术在满足差分隐私约束前提下实现直方图排序;基于有序直方图,提出一种动态规划分组方法,在添加噪声的直方图上生成具有最小总误差的分组;在此基础上,提出满足差分隐私的高精度直方图发布方法diff-HP。（2）针对已有数据流直方图隐私保护连续发布方法聚焦高实时性发布场景,应用于低实时性发布场景时难以有效识别数据流平稳区域,导致分组信息无法得到有效利用,发布直方图可用性较差的问题,提出容忍较低延迟的低实时性直方图连续发布方法1-delay HCP,通过比较最新时刻桶计数不同发布方式的误差,自适应地为待发布时刻桶计数分组;提出容忍较高延迟的低实时性直方图连续发布方法w-delay HCP,基于缓存数据设计全局分组方法,实现为待发布时刻各桶计数分组;两种方法通过在分组添加拉普拉斯噪声降低敏感度,达到提升发布直方图可用性的效果;进一步提出delay HCP,通过实时检测数据流变化趋势,实现1-delay HCP与w-delay HCP自动切换。基于真实数据集的实验分析表明:所提方法能够在保护数据隐私的同时,维持发布直方图的可用性。