支持向量機（SVM）的分類決策過程涉及到對原始訓練樣本的學習，容易導致數據中隱私信息的泄漏。為解決上述問題，提出一種基于信息濃縮的隱私保護分類方法IC-SVM。該算法首先根據樣本的鄰域信息，通過模糊C均值（ FCM）聚類算法進行聚類分析；接著，使用信息濃縮準則對聚類中心進行處理，得到濃縮點組成的新樣本；最后，使用新樣本進行訓練并得到決策函數，并用它去進行分類測試，可以較好地保護數據的隱私。在UCI真實數據和PIE人臉數據上的實驗結果表明，IC-SVM方法既能保護數據信息的安全，又有較高的分類準確率。