敏感规则隐藏是隐私保护数据挖掘的一个重要分支,受到越来越多的研究工作者的重视。敏感规则的隐藏应用非常广泛,主要应用于商业竞争与合作、金融等领域。目前存在的敏感规则隐藏算法存在局限性,很多算法是根据敏感规则的数量确定扫描数据库的次数,时间开销大。这些算法在对敏感规则隐藏过程中,对数据库的影响较大,降低了处理后数据集的可用性。因此为了在关联规则隐私保护的同时降低对原有数据集影响,需要一个能够力求两者的平衡的敏感规则隐藏算法。本文在分析和研究了国内外隐私保护的敏感规则隐藏技术的基础上,针对采用数据阻塞方法的敏感规则隐藏算法扫描数据库次数多,时间开销大,对数据集影响大的不足,进行改进,降低了对数据库的影响,提高了时间效率。本文的要点主要有两个方面:首先,选用一种两遍扫描数据库的模型,通过改进模型中的中间文件的结构和对中间文件的操作,为改进算法的实施提供基础。其次针对现有数据阻塞方法隐藏敏感关联规则的算法存在的不足,提出了一种改进的敏感规则隐藏算法。该算法分为三个方面:第一,在敏感事务的选择上,以冲突度大小为选取指标,处理规则间有交集的情况。同时防止对同一事务同一牺牲项的重复选择。减少对数据集的影响次数。第二,在牺牲项的选择上,选择规则中包含的多个项目,对不同的支持事务分别轮换选择其中的一个进行处理。第三,通过与模型中的中间文件的交互,第二次扫描数据库后,即完成对数据库的清洗。实验结果和理论分析都验证了算法的有效性和准确性及数据集可用性的提高。