众包数据库是一种利用众包平台将人类智慧和机器相结合,以解决传统关系数据库难以处理的查询任务的新型数据库。其核心思想是将查询及相应数据集以众包任务的形式发布到互联网,并最终交给大众网民,利用人类智慧来解决。然而包含隐私信息的数据集若不做任何处理就发送给大众网民,则可能造成隐私信息的泄漏。隐私问题在传统数据库领域已有多年的研究,其中数据匿名技术已在数据发布等实际应用中证明了其有效性。然而现有的匿名技术难以简单地应用于众包数据库,首先,众包数据库通常规模较大且分布式地存储于不同节点中,现有算法难以高效地处理这种大规模、分布式数据;其次,现有算法会造成任务相关的信息损失量过大,导致任务完成质量降低。为提高众包任务的完成质量,基于空间分割的Two-Phase Partition匿名算法通过抽样技术保留更多的任务相关信息,提高匿名数据的可用性。第一阶段Pre-Partition,以样本坐标为候选分割点,对空间做全域分割,根据真实值设计估值函数,筛选最优分割点集合。第二阶段Further-Partition,以第一阶段的输出为候选分割点,对空间做基于kd-tree的本地分割,再根据得到的子空间边界对数据做替换操作,完成数据匿名化。为高效地处理大规模、分布式众包数据库,基于MapReduce的并行匿名框架,实现了对Two-Phase Partition算法的并行化。该框架采用哈希技术将原数据集重新划分为多个子数据集,分别对其做匿名处理后再将其整合正完整的匿名数据集。实验表明,与现有算法相比,单机版Two-Phase Partition算法在查询正确率上提高了20%以上,且随着样本比例的增大,查询正确率增加。利用并行匿名框架实现Two-Phase Partition算法的并行化后,查询正确率略低于单机版算法,但降低幅度在5%以内,且在执行效率上可以实现随数据集大小的线性增长。因此该并行匿名方案适合于解决大规模、分布式众包数据库的隐私问题。