近年来,随着网络信息技术的快速发展及其在人们生活中的应用,使得互联网中产生了大量的数据,这些数据包含大量信息,商业机构、政府部门可以利用这些数据来进行商业决策、科学研究等。因此数据共享变得非常有必要,然而这些数据包含了大量的个人敏感信息,如果数据拥有者发布这些数据前不做适当处理就有可能使得个体的隐私信息泄露,从而给个体带来危害。因此,数据发布中的隐私保护问题成为当前研究的热点。该问题研究如何对数据进行处理使得发布的数据不泄露个体隐私的同时具有较高的可用性。目前数据发布中的隐私保护技术大都是基于静态数据集的。随着物联网的推广以及大数据时代的到来,网络点击数据、电话呼叫记录、大型超市的购物数据等通常表现为动态变化的数据流,数据流具有海量性、实时性和动态变化性。传统的隐私保护技术不适用于数据流环境中。事务型数据流是数据流的一种普遍形式,如商场的购物数据等,其中每条记录是由项目组成的集合。这种数据通常包含用户的敏感信息。目前数据流发布中的隐私保护方法主要针对关系型数据流。事务型数据流具有高维和稀疏的特性,使得用于处理关系型数据流的隐私保护技术也不能直接适用于事务型数据流;事务型数据流具有实时和动态变化性,使得传统的处理静态事务型数据的隐私保护方法不能直接应用于数据流环境。本文研究事务型数据流发布的隐私保护问题,提出了基于滑动窗口的事务型数据流发布的隐私保护方法。主要研究工作如下:首先,结合滑动窗口和ρ-不确定性隐私保护模型,提出基于滑动窗口的ρ-不确定性模型,即要求任一滑动窗口都满足ρ-不确定性。当新数据的到达和旧数据的删除使滑动窗口内的数据不断更新而导致滑动窗口不再满足隐私要求时,本文分析了删除子窗口和添加子窗口对滑动窗口的影响,同时给出了信息损失度量方法。其次,根据删除子窗口和添加子窗口建立受影响的关联规则树,从而快速找出造成当前窗口不满足ρ-不确定性隐私要求的敏感关联规则,利用抑制方法选择尽可能少的项目进行删除使得当前窗口满足ρ-不确定性。为了减少数据的信息损失,本文进一步提出了抑制和概化相结合的方法,根据信息损失度量来判断选择将项目删除还是概化使得当前窗口达到隐私要求。最后,给出了系统的设计方案以及各模块的详细实现过程。从数据匿名的效率和数据的效用性两个方面,对本文提出的方法与直接利用静态事务型数据匿名方法进行比较,实验结果表明,本文的方法能快速匿名,同时能有效地保证数据的效用性。