随着智能移动终端及通信技术的快速发展,基于位置的服务（Location-Based Service,LBS）使用越来越频繁,已经成为用户生活中重要的组成部分。为了根据用户的喜好进行相关的推送,LBS提供商会将采集到的用户位置数据进行上传发布和共享,如果攻击者获取到这些位置数据,将会导致用户的隐私泄露。由于可证明的安全性以及高可用性,差分隐私成为目前主流的隐私保护方法。通过对原始位置的经纬度进行小范围的扰动,在保护位置精确经纬度数据的同时,能够提供较高的数据可用性。而位置的语义信息作为位置数据的重要组成部分,往往包含用户的敏感信息,现有的研究方法大多忽略了对于位置数据中语义信息的保护。基于此,本文提出了两种不同场景下的位置语义隐私保护算法,主要工作如下:（1）单点位置查询服务中存在语义攻击问题,当前的差分隐私扰动方案没有考虑位置的语义信息,本文提出一种位置语义的差分隐私保护算法,在对用户的位置语义进行保护时,首先利用“地理不可区分性”生成多个扰动位置;然后考虑位置的语义等级,构建符合语义隐私等级的位置语义匿名集;最后引入差分隐私的指数机制,设计打分函数,从位置语义匿名集中选择一个最优位置代替原始位置进行发布。通过在两个真实的社交位置签到数据集Gowalla和Brightkite上进行仿真实验,并对比了三种不同的算法,本算法在考虑了位置语义的情况下有较好的服务质量和隐私保护强度。（2）针对轨迹连续查询服务中存在的语义推断攻击问题,提出一种语义轨迹的个性化差分隐私保护算法。该算法首先根据用户设置的隐私保护需求构建轨迹匿名集;然后在匿名集中构建轨迹类型向量,使用余弦相似度寻找一条相似度最高的轨迹;最后根据用户的个性化语义类型隐私预算,引入可调高斯机制对最优轨迹中的语义类型访问频次添加噪声。通过在公开数据集Geolife上对本算法进行仿真实验,并对比了两种隐私保护算法,在隐私保护度和数据可用性上均有较好的表现。