在众包模式下,人们通过众包平台将任务外包给非特定的工作者们,对于需要工作者们到达任务地点完成任务的工作模式,被称之为空间众包。空间众包中,平台要求用户报告地理位置,从而依据距离等因素执行任务分配,这极大地提高了工作效率。然而,用户地理位置信息直接暴露给平台,可能会导致隐私泄露问题。针对空间众包中的隐私泄露问题,本文提出了两种满足差分隐私的空间众包位置隐私保护方案。两种方案从不同的空间众包系统模型应用方向保护了用户的位置隐私,同时保障了任务分配的有效性。本文主要工作包括以下内容:（1）本文提出了满足中心化差分隐私的空间众包位置隐私保护方案。在传统空间众包的系统模型中,引入可信的中心服务器收集工作者位置信息,集中进行隐私保护。本文提出了构建工作者隐私空间分解（PSD）算法,首先,对工作者位置进行自适应网格划分（AG）;然后,基于标准差圆半径度量数据离散度,优化隐私预算的分配,相较于AG提高了数据效用;最后,理论证明满足差分隐私。（2）针对差分隐私保护工作者（PSD）会导致任务分配效率降低的问题,本文提出了一种新的基于网格的贪心算法,构造最优的任务广播区域（GR）,保障GR任务接受率的同时提高了任务分配的有效性。实验结果表明,在相同隐私预算下提高了数据的效用和任务分配的性能。（3）本文提出了满足本地差分隐私的空间众包位置隐私保护方案,在不依赖可信的中心服务器的系统模型下,既保护了用户的位置隐私又保护了任务分配的有效性。首先,引入了层次分离树（HST）结构,将位置点集构造成一个HST;然后,通过设计的基于HST的本地差分隐私机制,在本地端对位置结点进行扰动处理,并且理论证明该机制满足地理不可区分性;最后,实验验证在相同隐私预算下,该方案在任务分配的总距离方面优于现有的平面拉普拉斯机制。