随着我国车载自组织网络的迅速发展,车载自组织网络为现代人们的生活提供越来越多样化服务,为现代人们的日常生活和工作提供了诸多便利。但是由于现代人们在车载自组织网络中使用基于位置服务(location-based service,LBS)时,需要提供其真实位置,这可能导致车辆位置隐私的泄露。同时车辆也可以作为位置服务的提供者,比如当车辆参与执行基于群智感知的任务时,同样可能暴露自己的位置隐私。因此,在车载自组织网络中建立位置隐私保护机制已经成为研究的前沿和热点。混淆区是一种实用性较强的空间位置隐私保护方法。混淆区在车辆进入和离开混淆区域时更换车辆假名,使跟踪者的视线混乱,破坏位置信息的连续性,从而确保了车辆隐私安全。但是,混淆区通常分布在交叉路口等交通路口,尽管交通量很大,能够提供较大的匿名集大小,但是车辆众多,并且有交通信号灯等限制,车辆的速度受到限制。因此,攻击者可以通过新旧假名的相对时间,位置和速度锁定信息,进行假名链接攻击,对车辆单位的位置隐私安全造成威胁。本文针对车载自组织网络中位置隐私保护技术进行研究和设计,主要的内容包括以下几个方面:1)提出了一种基于位置模糊技术的双重混淆区位置隐私保护方案。双重混淆区是在混淆区域更换假名的方法基础上通过模糊位置信息来实现对位置隐私的保护。在基础混淆区上增加状态控制,对驶出车辆增加位置信息噪声,以破坏前后新旧假名的链接性。并通过相关性能实验验证该方案能够有效抵抗假名链接攻击。2)针对位置信息噪声引起的LBS(基于位置的服务)的问题,提出基于交通流的噪声衰减算法。在车辆驶出混淆区后行驶的过程中,噪声值逐渐衰减,车辆位置缓慢调整恢复至实际值,减少了噪声对LBS质量的影响。在噪声值缓慢衰减的过程中,速度信息也会随之发生调整,从而干扰基于速度信息的攻击,实现对数据隐私的保护。3)在SUMO实验平台中设计实现本论文提出的双重混淆区位置隐私保护方案。通过混淆功能子模块对行驶过路口的车辆的位置信息进行分析并添加噪声,后通过性能优化子模块对噪声值的衰减过程进行优化,减少LBS质量的损失,重新生成加噪后的路径。最后通过该平台对双重混淆区进行参数实验及性能实验,证明双重混淆区能够有效的抵抗假名链接攻击,并能通过基于交通流的噪声衰减算法减少噪声引起的LBS质量的损失。