随着全球定位系统和无线通信网络的迅速发展,基于位置服务已经成为日常生活中或不可缺的一部分,涉及到生活的各个方面。但在为人们生活提供便捷的同时,也增加了位置数据的安全隐患。针对位置数据的攻击导致用户个人敏感信息泄露,但由于位置数据量较大,导致现有大多位置隐私保护协议难以兼顾数据的效用性和隐私性,且无法抵抗基于背景知识的攻击,对隐私保护水平缺乏合理的度量。并且,提供优质的服务需要对位置数据进行挖掘分析,直接对位置数据进行分析或恶意的挖掘会暴露出位置数据中的敏感信息。因此,服务商在发布位置数据时必须要对数据进行预处理,在确保发布结果可用性的同时加强位置数据的隐私保护程度。针对上述问题,本文利用差分隐私、位置熵、K-means聚类等技术从以下两个方面对位置隐私保护进行研究:1)基于差分隐私的位置数据隐私保护方法。当用户在发起位置查询请求时,可能会泄露当前的精确位置,若被攻击者非法获取利用,将会对用户造成困扰。针对该问题,首先结合位置熵设计了构造匿名集的最佳协助用户选取算法,以智能合约评价用户的信誉值,提出了一种基于位置熵的差分隐私保护方法,并对查询结果进行优化处理。通过实验对该方法进行仿真验证,证明该方法能抵抗背景知识攻击,实现用户可控的隐私保护。在有效地保护位置数据隐私的同时保证数据的可用性。2)基于差分隐私K-means位置数据发布方法。研究表明,基于差分隐私和K-means的位置数据发布方法更适用于数据分布不均匀、查询范围较小的情况。差分隐私作为一个具有强大的数学理论支持的隐私保护框架,将其应用于位置数据发布的隐私保护方法中,通过对空间数据进行分割,再经过K-means聚类对数据进行处理,然后以一种满足差分隐私保护的方式向分割后的每个子区域添加噪声,来确保个体信息在响应范围查询时不会被泄露。但由于数据分布特征和噪声的添加,使得查询结果存在一定误差,影响数据的可用性。为了验证所提方案的可行性,通过理论分析和实验证明该方法在有效保护位置数据发布结果隐私的同时也能保证发布结果的可用性。