在信息技术迅猛发展的今天，各行各业在使用信息管理系统的过程中收集了大量数据。这些数据中有不少数据项涉及个人或公司的隐私，隐私泄露成为这些数据收集发布过程中不可避免的安全隐患，因此数据的隐私保护技术被学术界和产业界提上了议事日程。个性化隐私匿名技术是隐私保护技术的重要研究内容之一，受到了学术界的广泛关注，有不少学者在致力于这方面的研究工作，并且取得了不少有意义的研究成果。但在隐私保护个性化方面的研究做得还不够，针对现有个性化隐私匿名技术不能同时满足面向个体需求的个性化和面向敏感属性值的个性化两方面的要求，本文引入粒计算思想，所作创新性工作如下：首先，提出粒化(α,k)-匿名模型，该模型引入粒计算思想，首先根据粗糙集理论建立隐私保护决策度集合，以刻画不同个体对敏感属性同一敏感值的不同保护要求；其次，基于决策度集合的不同取值建立顶层粒度空间；最后，对每个顶层粒度空间中敏感值赋予不同的出现频率约束，以满足面向敏感值的个性化匿名需求。其次，提出粒化(α,k)-匿名算法。粒化(α,k)-匿名算法是粒化(α,k)-匿名模型的具体实现。该算法具有其它算法所不具备的既面向个体需求又面向敏感属性值的个性化隐私保护特性，且以较小的信息损失和执行时间获得更综合、更合理的个性化隐私保护的实现。从这个意义上说，本文提出的粒化(α,k)-匿名算法比其它现有的个性化隐私匿名算法更有优势。最后，通过大量实验验证本文提出的粒化(α,k)-匿名模型和算法的合理性和有效性。实验结果表明，本文提出的粒化(α,k)-匿名模型是合理性的，粒化(α,k)-匿名算法是正确，而且在保证隐私保护的有效性的前提下，本文提出的模型比已有模型更能体现隐私保护的个性化。