智能汽车的大量使用让人们面临着停车效率低的问题,为提高用户的停车效率,很多研究者开始研究智能停车系统。目前,智能停车系统利用互联网将停车场和用户连接起来,用户可以通过手机客户端查找周边的停车场,从而提高了用户的停车效率。虽然智能停车系统的使用给人们带来便捷、舒适的生活体验,但是该系统的正常运行是建立在海量数据分析的基础上,这些数据包含用户的身份信息、用户的停车信息以及用户的位置信息。一旦系统信息遭到泄露,用户的个人隐私也被公之于众,而在当前的研究中,人们的关注点依然是智能停车系统的构建和完善,很少会关注用户的隐私问题,因此,加强用户的隐私安全是本文的核心内容。本文针对用户数据多源异构性的特征,提出了隐私策略库的方案,同时在隐私策略库中提出了基于差分隐私模型的多级标签差分隐私树模型来保护用户的位置信息。本文的主要内容如下:（1）针对用户数据多源异构特性构建了隐私策略库,隐私策略库可保证用户在使用智能停车系统时的数据安全,同时可根据数据类型自主调用隐私方案。首先,隐私策略库采用分类器对用户的多源异构数据进行分类,根据数据维度将用户信息分为非位置信息和位置信息。其次,隐私策略库会自主调用多敏感属性匿名模型和多级标签差分隐私树模型来保护用户的非位置信息以及用户的位置信息,通过对隐私策略库的安全性分析得出隐私策略库可保证用户的隐私安全。其中,隐私策略库采用多敏感属性匿名保护方案来保护用户的非位置信息,该方法首先将用户的信息进行分类且将数据设置隐私安全度,其次根据不同的隐私安全度采用不同k值的匿名保护方案,最后在Pycharm环境中对多敏感属性匿名模型进行仿真,得出该模型的运行效率,由仿真结果可知,匿名模型在保护用户的非位置信息时,并未降低其效率。（2）基于隐私策略库模型,提出了多级标签差分隐私树模型来保护用户的位置信息,该模型在差分隐私算法的基础上,将用户的位置信息进行贴标签处理,使用户位置信息分为敏感信息和非敏感信息,然后对用户的敏感信息进行加噪处理。多级标签差分隐私树模型既保证了用户的位置隐私安全,同时尽可能的保留了数据的原始性,使数据分析的结果更加准确。通过对多级标签差分隐私树模型算法的数据保护情况、运行效率、误差率进行实验验证,由实验结果可知多级标签差分隐私树模型算法可以有效保护用户的位置隐私,且未降低运行效率,在保留数据原始性的基础误差率较小。