互联网的不断发展使计算机系统在人们的日常生活中的地位越来越重要。现有的大部分计算机系统如电子邮件系统、电子商务系统、网上银行系统都需要通过数字身份(如用户名／口令等)来认证用户,进而为用户提供与其权限相匹配的服务,实现对计算机系统和用户私密信息的双重保护。因此,如何有效地管理和保护数字身份对于计算机系统和用户私密信息的安全性都至关重要。本论文提出了一种新的基于自动个人白名单(Automated Individual White-List, AIWL)的技术保护用户的个人数字身份。自动个人白名单技术利用白名单记录个人用户经常提交数字身份,进行登录操作的网站和网站的特征信息。一旦用户试图提交数字身份的网站不在白名单上或是网站的特征信息与白名单上的信息不相符合时,则将该网站视作潜在的非法网站,对用户提出警告,引起用户的警惕。相比目前主流的黑名单技术和启发式技术,个人白名单由于只需要关注个人用户经常访问的网站,因而对个人用户来说具有更高的透明性和可操作性；另一方面,由于白名单中记录的是较全面的网站特征信息,而非简单的网站域名地址,因此可以有效地防御更高级别的攻击技术,如网址嫁接攻击,具有更高的安全性；同时在构建白名单的过程中,论文使用贝叶斯算法,通过对用户登录行为的学习实现个人白名单的自动添加和维护。最后,论文通过实验评估和用户调研论证了基于自动白名单的个人数字身份保护技术是一种安全、易用、有效的保护用户数字身份的解决方案。