移动互联网时代带来史无前例的用户数据,海量数据给服务提供商提供了深层挖掘用户偏好的机会。然而,从信息安全的角度考虑,获取具体的用户数据是威胁其隐私的行为,用户的隐私应该受到保护。差分隐私保护技术是保护隐私的主要方法之一,它旨在从全局的角度保护个体数据的私密性。差分隐私不仅在实际隐私保护效果上有着优秀的表现,还能提供形式化的理论证明,本文重点研究了限界差分隐私保护技术以及其在智能电网和数据拍卖机制设计场景下的应用。首先我们提出了两个限界差分隐私保护方案,并且在理论上证明了其满足差分隐私。然后从两个实际场景出发,介绍限界差分隐私在智能电网和数据拍卖机制设计中的应用。智能电网场景中,用户用电数据由智能电表收集并转发给供电商。攻击者通过窃听可以获取这些数据,然后采用非侵入式负载监测可以获取单个用电器的实时工作状态,窥探用户隐私。现有解决方案基本都采用了基于可充放电电池的方法,利用电池的充放电来隐藏真实的用电数据,不幸的是,现有方法在处理由电池自身属性产生的限制时大多存在不足或者在隐私保护方面还有待提高。在这样的情况下,本文提出了一种差分隐私电表读数汇报方案Priv Meter。此方案首次提出了新颖的开关-惩罚机制,通过开关拒绝汇报违反差分隐私的数据并且接受相应的惩罚,在这样的基础上,我们分别通过线性调整和多臂博弈从充放电速率和容量等方面降低出现违反差分隐私数据的概率。可以证明,Priv Meter满足差分隐私,实验结果表明Priv Meter在隐私泄露方面取得了优于现有方案至少5倍的成绩,并且额外花费也可以保持在可以接受的水平。数据拍卖是大数据时代的产物,是提高用户数据价值的有效途径,也为数据分析提供了更多可能。设计实用的数据拍卖机制可以促进数据交易的发展,但隐私泄漏依旧是一个问题。现有工作均采用差分隐私的保护思想,但是它们均忽略了数据在有实际意义时存在的边界问题,从而导致分析师得到的结果可用性低下。为了解决数据可用性的问题,我们提出了两种效用友好的差分隐私保护方法(UDPS1、UDPS2)提高数据可用性以及隐私保护效果。理论上,UDPS1和UDPS2均满足差分隐私,并且决定可用性的噪声也是有界的。真实实验结果表明UDPS1和UDPS2的数据可用性均高于现有方案,并且UDPS2的隐私保护效果高于现有方案。