【摘要】本研究针对当今社会中大规模多维数据的隐私保护问题，提出了一种基于差分隐私的多层优化方法。 首先，通过研究多维数据脱敏整体框架，构建了一个系统化的处理流程。 其次，为了提高数据质量，分析了数据预处理技术；提出了一种针对多维数据的数据分割与映射技术，将数据划分为合适的数据块，并进行映射建立关联关系；通过动态调整隐私参数和差异化处理敏感性来实现隐私保护，保证了数据的实用性。 最后，通过在 Ａｄｕｌｔ 数据集上的实证研究，验证了提出方法的实际效果。 结果表明，在提高数据隐私保护的同时，多层差分隐私优化方法对分类模型性能产生了一定影响，呈现了性能略微下降的趋势。 因此，这种权衡关系为实际应用提供了一种思路，根据具体需求调整差分隐私参数和处理策略。