随着互联网和智能移动设备的普及,基于位置的服务（Location Based Service,LBS）也得到了更加广泛的应用,并成为人们日常生活的重要组成部分。LBS的使用需要用户提供相应的位置信息或者请求信息,不可信的位置服务提供商或者其他攻击者通过收集并分析这些信息造成用户隐私泄露。因此,在保证LBS服务质量的前提下实现用户位置隐私保护尤为重要。具有背景知识的攻击者对位置数据进行推理攻击是用户位置隐私泄露的主要原因之一。攻击者可以利用已经掌握的历史位置信息、道路信息、语义信息等对用户提交的LBS请求进行推理攻击,造成位置隐私保护效果受损。现有的位置隐私保护算法已经从加密、随机化、模糊等方面进行了深入的研究,但针对位置语义信息进行隐私保护的研究较少,对位置语义进行量化的方式更为缺乏。为了解决上述问题,本文在快照查询和连续查询两种情况下,基于位置语义量化的思想提出对应的位置隐私保护算法,主要工作如下:第一,针对现有快照查询下的位置隐私保护算法缺少对位置语义量化研究的问题,本文在现有研究的基础上,提出基于位置语义量化的假位置生成算法。首先划分实验区域,并利用不同位置单元在不同时间段的用户访问频数为每个位置单元构建语义位置;然后对具有相似历史查询概率的候选假位置进行选择。在假位置选择过程中,通过在奇、偶数轮采用不同的权重构建方式,保证假位置集中位置的语义相似性和物理分布的均匀程度,从而生成符合用户隐私需求的假位置集。第二,针对现有连续查询下的位置隐私保护算法不能同时考虑位置合理性、位置语义信息和位置转移情况的问题,本文在现有研究的基础上,提出连续查询下基于多目标优化的位置隐私保护算法。通过对候选假位置集进行包括时间合理性、方向相似性以及位置语义相似性在内的合理性分析,使攻击者不能识别出连续查询下的不合理位置;然后对通过合理性检测的候选假位置计算位置权重,并按照权重随机选择具有较优转移概率和物理分布的假位置,从而生成能够在连续查询下抵御具有背景知识攻击者的假位置集。第三,基于两组真实公开的数据集,设置不同的参数,分别对快照查询和连续查询下的两种方案的性能进行分析。实验结果表明,本文提出的算法能够有效的抵御具有背景知识的攻击者,在快照查询下本文提出的算法与enhanced-DLS（Dummy Location Selection,DLS）算法相比,在Geolife数据集中平均匿名时间、物理分布均匀度和匿名成功率分别提升了20.5%、45.6%和12.7%;在T-Drive数据集上分别提升了34.2%、55.5%和9.8%;在连续查询下本文提出的算法与RDG（Robust Dummy Generation,RDG）算法相比,在Geolife数据集中位置合理性和物理均匀度分别提升了49.23%和7.33%;在T-Drive数据集中分别提升了49.1%和6.6%。