随着移动智能终端普及与空间定位技术发展,基于位置的服务（Location Based Service,LBS）如雨后春笋般涌现,每时每刻都有海量的位置数据产生。一方面位置/轨迹数据具有巨大的应用价值,是开展各类位置服务的必要信息,在疫情防控、城市建设、交通治理、商业规划、广告推广等领域拥有广阔的应用空间。另一方面,位置/轨迹数据蕴含大量敏感信息,如工作地点、家庭住址、购物习惯等,一旦泄露将会给用户带来隐私困扰,甚至安全威胁。因此,应在均衡数据可用性和个体隐私性要求的前提下,为个体轨迹隐私提供全方位保护。但在现有中心化LBS模式下,可用性和隐私性仍然是一个两难的问题。基于此,本文旨在克服现有中心化LBS模式弊端,构建多级协同的轨迹隐私保护模式,从个体隐私风险自感知、匿名认证与可信协作、位置及轨迹数据隐私等三方面为轨迹隐私保护提供完整的解决方案,具体研究内容如下。（1）建立个体再识别风险自感知模型。考虑完整统计信息难以获取的现实,构建基于不完全统计信息的元组频率分布理论模型,即d-维递归超几何（ddimensional Recursive Hypergeometric,d-RH）分布,并对属性值依赖性及属性依赖性对元组频率分布的影响开展进一步研究。基于上述成果,建立个体再识别自感知模型,实现不完全统计信息下个体数据匿名化处理“剩余”再识别风险的准确预测。仿真结果验证了实验条件下d-RH分布及元组频率总体分布的一致性,以及所提模型的准确性（非轨迹数据集平均曲线下面积0.86～0.98）。为不完全统计信息条件下个体再识别风险预测提供理论支撑和定量分析工具,为多级协同LBS模式下个体再识别风险预测与隐私保护策略制定提供了理论支撑。（2）多级协同的匿名认证和可信协作。提出云边端多级协同的LBS模式,针对该模式下个体匿名认证的快速性和可溯性需求,分别提出基于零知识证明和批量群签名的匿名认证方案,从理论上验证了所提方案的安全性;针对典型移动场景下匿名个体可信协作问题,充分利用区块链可溯源、不可篡改和透明性的特性,提出区块链使能的信任管理系统,结合狄利克雷信誉评估、信誉回归、惩罚撤销和基于距离权重的随机选择等机制,实现高速移动环境下的非可信匿名个体间的可信协作,通过理论分析与仿真实验验证所提模型的安全性和可靠性（精确率0.923～0.979）。（3）多级协同的位置及轨迹数据隐私保护模型。利用四叉树索引对地理空间进行递归的划分及编码,将个体真实位置泛化为位置编码对应的空间区域,提出符合本地差分隐私（Local Differential Privacy,LDP）机制的位置和轨迹数据扰动方案,为个体位置及轨迹数据提供数学意义上的严格隐私保护,同时允许数据控制者通过特定的数据聚合方式获得具有较高可用性的统计数据,从而实现个体位置/轨迹数据在隐私性和可用性两方面的平衡。理论分析及在实验结果验证了所提方案的隐私性和可用性,当隐私预算为1时Top 100频繁轨迹比例估计的平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）为对比算法的35.1%和34.5%。