进入二十一世纪后,互联网和大数据技术的迅猛发展给我们的生活带来了全新的体验,但在享受便利的同时,也使我们陷入了不可知的危险。例如我们的电话可能被窃听,上网购物的时候我们留下的身份信息,随时面临着一些商家或犯罪分子利用它们来损害我们的利益和威胁我们的安全。这些都是因为数据的泄露或发布数据时没考虑到用户的隐私而造成的。如何在享受共享网络提供给用户大量信息的同时,又能确保用户的敏感信息不被泄露,我们就要重新关注隐私安全。从技术层面来讲,科学技术人员需要研究新的技术来解决这一问题。本文就在差分隐私的背景下研究差分隐私直方图发布技术,现有的差分隐私直方图发布技术没有关注数据的特征,这样导致发布数据精度不高和可用性差。现实生活中,数据的分布呈现多种形式,特别是在直方图标识数据时,一些直方图和相邻直方图数据相差很大,这样发布的直方图就严重影响了数据精度。本文在分析了数据分布不均匀的特征之后,采用新的策略发布数据。针对不同应用背景提出了三种算法即限定误差为Const的变宽直方图差分隐私算法;等值查询时的限定误差为Const的变宽直方图差分隐私算法;范围查询时的限定误差为Const的变宽直方图差分隐私算法。三个算法采用限定误差为Const的变宽直方图来解决使用等宽直方图时直方数过多的问题,并将限定误差为Const的变宽直方图应用于差分隐私,最后采用贪心策略实现临近桶的合并,从而在保证发布数据高精度的同时,很好的保护了隐私数据。通过实验对本文算法在数据分布不均匀的情况下的平均误差及运行时间与同类算法的差异进行了分析说明,得出本文的新算法在数据发布方面确实提高了精度,确保了可用性,而且很好的保护了用户隐私。