随着计算、通信和数字存储技术的进步，数据的数量飞速增长，数据挖掘被各个组织广泛利用，商业机构依赖数据挖掘改善经营策略从而获得更大的利润，医疗机构挖掘医疗记录寻求更好的治疗和医学研究，国家安全机关挖掘犯罪记录维护国家安全。随着数据挖掘的广泛应用，隐私问题也越来越受人们的关注，隐私保护数据挖掘（PPDM）成为一种新的研究方向，不断有新的隐私保护方法出现。怎样在保证数据可用性的情况下防止隐私泄漏，正是本课题研究的内容。通过对现有的数据挖掘隐私保护方法的研究发现，隐私保护方法的一个重大挑战是平衡隐私保护度和数据的可用性，而它们通常是一对矛盾的因素。隐私保护数据挖掘需要解决隐私保护度和数据可用性的平衡问题。现有的很多方法存在维护成本高、通信量大、数据可用性低、防攻击能力差等缺点。为了解决以上问题，本文提出了一种基于旋转轴旋转的数据扰动方法-ART(AxisRotational Based Transformation)，有效地解决了分布式数据的隐私泄漏问题。本文着重研究在保证扰乱数据可用性的基础上，提高了扰乱数据的隐私保护度。另外，该算法还降低了分布式环境下的通信费用和计算量等。为了解决串谋攻击问题，本文还提出了防串谋ART方法，有效解决了在分布式环境下的串谋攻击问题。最后本文通过理论和实验同时证明了ART方法和防串谋ART方法的有效性，实验证明ART方法和防串谋既保证了数据的可用性，同时又提高了防攻击能力。