当轨迹数据中移动性规律与外源数据中的敏感信息有交集时,会对满足移动性规律前置条件的用户产生隐私威胁。传统的关于敏感移动性规律隐私保护的研究,主要采用针对单一移动性模式的敏感知识消除方法,不能有效对抗基于对敏感移动性网络分析的推理攻击。同时,目前针对社会网络的隐私保护方法只限于标识攻击,也不能应对敏感移动性知识网络的移动性推理攻击。因此,本文提出应对敏感移动性知识网络推理攻击的净化方法。本文以电信大数据中的用户移动轨迹数据为对象。首先,研究了从电信轨迹数据挖掘得到移动性知识并构建出敏感移动性加权知识网络的方法;然后,分析了基于敏感移动性加权知识网络的推理攻击模型和场景;最后,基于Spark大数据平台实现了网络中敏感移动性模式的净化,包括加权网络构造、网络类型判定、关键中枢节点识别及可用性和安全性评价等算法。本文通过实验验证了净化方法的有效性和适用性:(1)净化方法使节点间的相互作用力和网络的紧密程度受到了破坏以及网络在不断净化的过程中始终保持复杂网络“小世界”的特性;(2)同时在选择合适影响因子值的条件下,网络的敏感性可以被完全消除以及在净化过程中取得可用性和安全性之间的平衡,因此本文方法能够完全对抗敏感移动性加权知识网络的推理攻击;(3)并且发现了提出的方法还能够适用于不同敏感度和特征的网络结构;(4)与随机删除方法相比,在针对复杂网络的敏感规律净化中,需删除的节点比例较少,能实现更好的隐藏效果。因此本文的研究成果具有实际的应用价值,对于轨迹数据领域的隐私保护有重要的意义。