差分隐私在2006年被提出后得到了学术界的广泛认可,并逐渐被应用于社交网络、直方图、数据挖掘及位置隐私保护等场景中。差分隐私主要对一维数据提供隐私保护,当将其应用到位置隐私保护领域时,其中的重难点是如何在满足差分隐私的条件下,实现应用场景从一维空间到二维空间的转换。2013年地理不可区分性的出现,填补了差分隐私在几何空间应用中的空白。而现有的地理不可区分性位置隐私保护机制在查询精确度、噪音量及隐私预算的分配等方面存在些许问题与不足。因此,如何有效结合特定隐私保护场景,设计满足地理不可区分性的位置隐私保护机制,是做好机制精确度与效用之间平衡的关键。论文主要针对地理不可区分性算法小范围检索误差较大、用户频繁签到位置的隐私保护、隐私的质量损耗及隐私度量问题进行了研究,研究内容主要涉及满足地理不可区分性的位置隐私保护机制、加强的基于地理不可区分性的高频访问位置保护方法及应用。具体工作如下:(1)基于用户感兴趣区域的地理不可区分性位置隐私保护机制。针对现有的地理不可区分性算法对小范围查询结果误差较大的问题,将用户感兴趣区域作为隐私约束条件,构造了一种满足地理不可区分性的位置隐私保护模型。其次,利用模型改进了地理不可区分性算法。最后,根据真实数据进行实验,表明基于用户感兴趣区域的地理不可区分性位置隐私保护算法能够在不降低隐私保护水平的条件下,提高小范围查询结果的精确性。(2)提出了一种增强的基于地理不可区分性的高频访问位置隐私保护算法。该算法依据位置的访问率对位置点分类为频率不同的簇,为了保护用户访问过的位置集,同时隐藏高访问率区域的敏感信息量,算法引入隐私预算分配因子,对不同的簇加以不同程度的隐私保证,目标是模糊高访问率的区域,使其和低频率区域是难以辨别的。(3)提出了一种度量隐私披露量的方法。我们从攻击者的角度,考虑用户的历史轨迹、扰动机制的查询函数、机制的隐私度量方式,在此基础上,引入信息熵,对可能有助于攻击者推断的信息量进行度量。