本发明公开一种自适应K‑Nets聚类的差分隐私保护方法，首先采用计算自然邻居的方式得到所有数据点的自然邻居，当所有数据点的自然邻居总数不变或者自然邻居数为0的个数不变时，得到的K值就是我们所需要的K近邻的参数。随后利用K‑Nets的网络模型，计算数据点的KNN平均距离作为数据点的得分值，为了保护隐私，将得分值添加拉普拉斯噪声进行保护。之后对得分值排序选出密度从高到低的簇，依次判断找出自然形成的M个簇，对没有加入到M簇中的点判断是否是离群点，对不是离群点也没有加入簇中的点，遍历将这些点归入到离它最近的簇中。本发明能够有效保证数据的隐私不被泄露。