La publicación de datos que preserva la privacidad ha recibido una atención considerable para publicar información útil mientras se preserva la privacidad de los datos. Los métodos existentes de publicación de datos que preservan la privacidad para múltiples atributos sensibles no consideran la situación en la que diferentes valores de un atributo sensible pueden tener diferentes requisitos de sensibilidad. Para resolver este problema, definimos tres niveles de seguridad para diferentes valores de atributos sensibles que tienen diferentes requisitos de sensibilidad, y se presentó un modelo de Lsl-diversidad para múltiples atributos sensibles. A continuación, propusimos tres algoritmos codiciosos específicos basados en el primero de máxima capacidad de cubo (MBF), el primero de máxima capacidad de dimensión única (MSDCF) y el primero de máxima capacidad de múltiples dimensiones (MMDCF) y la política codiciosa de primer nivel de seguridad máxima (MSLF), denominados como MBF basado en MSLF (MBF-MSLF), MSDCF basado en MSLF (MSDCF-MSLF) y MMDCF basado en MSLF (MMDCF-MSLF), para implementar el modelo de Lsl-diversidad para múltiples atributos sensibles. Los resultados experimentales muestran que los tres algoritmos pueden reducir en gran medida la pérdida de información de los microdatos publicados, pero su tiempo de ejecución solo aumenta ligeramente, y su pérdida de información tiende a estabilizarse con el aumento del volumen de datos. Y pueden resolver el problema de que la pérdida de información de MBF, MSDCF y MMDCF aumenta considerablemente con el aumento del número de atributos sensibles.