Los datos en tiempo real recopilados por dispositivos portátiles permiten la gestión de la salud personalizada y apoyan el monitoreo de la salud pública. Sin embargo, compartir estos datos con organizaciones de terceros introduce riesgos significativos para la privacidad. Como resultado, proteger y compartir de manera segura los datos de los dispositivos portátiles se ha convertido en una preocupación crítica. Este documento propone un algoritmo de preservación de privacidad diferencial local diseñado para flujos de datos continuos generados por dispositivos portátiles. Inicialmente, el flujo de datos se muestrea en puntos clave para evitar agotar prematuramente el presupuesto de privacidad. Luego, una asignación adaptativa del presupuesto de privacidad en estos puntos mejora la protección de la privacidad para datos sensibles. Además, el mecanismo de onda cuadrada (SW) optimizado introduce perturbaciones en los puntos muestreados. Posteriormente, se aplica el algoritmo del filtro de Kalman para mantener los patrones de flujo de datos y reducir los errores de predicción. La validación experimental utilizando dos conjuntos de datos reales demuestra que, en condiciones comparables, este enfoque proporciona una mayor disponibilidad de datos que los métodos existentes de protección de la privacidad para flujos de datos continuos.