通常从披露风险和信息缺损两个角度对隐私保护的效果进行度量。
（1）披露风险
数据隐私的保护效果是通过攻击者披露隐私的多少来侧面反映的。现有的隐私度量都可以统一用“披露风险”（Disclosure Risk）来描述。披露风险表示为攻击者根据所发布的数据和其他背景知识（Background Knowledge）可能披露隐私的概率。通常，关于隐私数据的背景知识越多，披露风险越大。
若 s表示敏感数据，事件 Sk表示“攻击者在背景知识 K的帮助下揭露敏感数据 s”，则披露风险r(s,K)表示为
r（s，K）=P_r（S_k）
对数据集而言，若数据所有者最终发布数据集 D的所有敏感数据的披露风险都小于阈值α，α∈【0,1】，则称该数据集的披露风险为α。例如，静态数据发布原则 l-diversity保证发布数据集的披露风险小于1/ l，动态数据发布原则 m-Invariance保证发布数据集的披露风险小于1/ m。
特别地，不做任何处理所发布数据集的披露风险为 1；当所发布数据集的披露风险为 0时，这样发布的数据被称为实现了完美隐私（Perfect Privacy）。完美隐私实现了对隐私最大程度的保护，但由于对攻击者先验知识的假设本身是不确定的，因此实现对隐私的完美保护也只在具体假设、特定场景下成立，真正的完美保护并不存在。
（2）信息缺损
信息缺损表示经过隐私保护技术处理之后原始数据的信息丢失量，是针对发布数据集质量的一种度量方法。一般情况下，隐私保护技术需要遵循最小信息缺损原则，该原则通过比较原始数据和匿名数据的相似度来衡量隐私保护的效果。信息缺损越小，说明发布的数据集有效性越高，数据越有价值。但是，这种度量原则需要考虑准标识符中每个属性的每个取值的泛化和隐匿带来的信息缺损，计算代价较高，适用于对单个属性进行度量。
另外，还有一种 ILoss度量标准，它要求检查每条准标识符记录中每个属性的取值泛化带来的信息缺损，进而能够计算出每条记录泛化后的信息缺损，再根据每条记录的信息计算，计算出整个发布数据集的信息缺损。