隱私保護的研究起步較早，但近年來突然受到產業界和學術界的廣泛關注，是因為大數據的不期而至．大數據的迅速發展讓學術界始料未及，大數據的理論研究已經落后于產業需求，尤其是隱私保護成為了大數據應用的主要瓶頸，移動網絡、社交網絡、位置服務等新型應用的推進，使隱私問題更加突出．關于隱私保護目前有兩個方向值得關注：一是研究更有效的隱私保護算法：二是研究隱私泄露風險分析與評估，以解決數據的可用性與隱私保護之問的平衡．隱私保護算法目前主要集中在匿名方法，包括K-匿名（K-anonymity）、三一多樣性（三一diversity）匿名和t接近（t-close）匿名及其衍生的方法，隱私度量最早起源于相關匿名算法．在匿名隱私保護算法的研究中，不時有學者關注隱私量化問題，尤其是在定位服務領域，位置匿名和軌跡匿名算法已有不少涉及隱私度量的初步研究．然而隱私泄露涉及因素眾多，設計有效的隱私保護算法仍然是挑戰性問題．但政府及企業數據開放共享中迫切的隱私保護需求，促使我們不得不在可用性與隱私泄露之間尋求一種平衡．要解決這個問題，隱私風險分析及評估不失為一種可行解決方案．但隱私風險分析及評估，尤其是量仳隱私風險，勢必會涉及隱私度量問題．從這些分析來看，隱私度量的研究具有十分重要的理論意義和應用價值．

　　信息熵作為信息度量的有效工具，在通信領域已展現出其重要的貢獻．隱私作為一種信息。自然可以考慮用熵來量化．為此，不少學者或多或少進行了探索，比如事件熵、匿名集合熵、條件熵等．但其研究還較為零散，更多地是針對某一特定領域，如位置隱私保護，目前還尚未形成統一的模型及體系．其應用范圍也受到限制，特別是隱私是具有時空性的，與人的主觀感受也有關系，不同的人對同一隱私的認同可能不同．鑒于以上分析，本文旨在參考Shannon信息論的通信框架，提出幾種隱私保護信息熵模型，包括隱私保護基本信息熵模型、含敵手攻擊的隱私保護信息熵模型、帶主觀感受的信息熵模型和多隱私信源的隱私保護信息熵模型．在這些模型中，將信息擁有者假設為發送方，隱私謀取者假設為接收方，隱私的泄露渠道假設為通信信道．基于這樣的假設，分別引入隱私信息熵、平均互信息量、條件熵及條件互信息等來分別描述隱私保護系統信息源的隱私度量、隱私泄露度量、含背景知識的隱私度量及泄露度量．以此為基礎，進一步提出了隱私保護方法的強度和敵手攻擊能為的量化測評，力圖為隱私泄露的量化風險評估提供一種理論支持．