对差分隐私的基本概念和实现方法进行了介绍，提出了一种用于决策树分析的差分隐私保护数据发布算法。该算法首先将数据完全泛化，然后在给定的隐私保护预算下采用指数机制将数据逐步精确化，最后根据拉普拉斯机制向数据中加入噪声，保证整个算法过程满足差分隐私保护要求；对指数机制中方案选择的方法进行了有效的改进。相对于已有的算法，本算法可在给定的隐私保护预算下使数据泛化程度更小，使所发布数据建立的决策树模型具有更高的分类准确率。实验结果验证了本算法的有效性和相对于其他算法的优越性。