随着位置感知设备和信息系统的普及,收集大量移动对象的数据（例如移动对象的轨迹）成为了可能,因此,如何小心管理以确保每个移动对象或者敏感位置的隐私性以及私密性变成了亟待解决的问题。近年来,在满足差分隐私的情况下,针对移动轨迹数据库的统计查询研究已经提出了许多机制。本文研究的课题是支持轨迹数据的个性化差分隐私保护算法,目的是使发布的数据在满足个性化差分隐私的同时,提高发布数据的准确性。在移动轨迹数据库中,包含时空敏感属性也包含非时空敏感属性。在这种情况下,我们使用泛化机制来保护移动轨迹数据库中的非时空敏感属性。之前提出的机制大多都对数据提供了统一的隐私保护程度,无法满足不同用户对于隐私保护的不同需求。为了解决以上问题,我们提出了一种用于移动轨迹数据库的个性化差分隐私算法,该算法提供了非均匀的隐私保护,因此比传统的差分隐私算法具有更好的实用性。本文设计了一种树的结构,称为个性化噪声轨迹树,用于存储移动轨迹数据库的子轨迹,并且提出了一种自适应的隐私预算分配策略来对轨迹树的节点分配隐私预算。为了提高发布数据的精确性,对个性化噪声轨迹树施加了一致性约束,使任意节点的计数值与其孩子节点的计数值之和相等。论文不仅从理论上证明了本文算法满足ε-个性化差分隐私,而且结合相关评价指标,利用真实数据集,进行了实验验证与对比分析,实验结果表明所提出的算法具有较高的隐私保护程度和可用性。