近年来,随着智能手机的广泛使用和全球定位系统技术的快速发展,基于位置的服务（Location-based Services,简称LBS）的各种应用日益普及。在现实场景中,移动通信用户与LBS服务提供商需共享实时位置,这使得用户的家庭/工作场所、身体健康信息和人际交往关系等敏感信息可能被泄露。因此,存在严重的隐私安全隐患。考虑到移动用户的不同需求,使用LBS的场景可分为两类:一类是用户希望获得高服务质量（Quality of Service,简称Qo S）而发送其真实位置,如行车导航等;而另一类是用户只需要一些较差Qo S而只发送伪装的位置来保障自身的位置隐私安全,如查询本地天气。本文围绕下这两类应用场景下的LBS隐私保护展开研究,并取得如下研究成果:（1）在LBS连续查询中,针对用户发送其真实位置并采用k-匿名隐私保护机制时存在的位置隐私安全问题,提出了一种基于隐马尔可夫模型的混合时空间攻击算法。该算法不仅能够推测用户的真实位置,还能分析出用户的移动轨迹。同时,为了度量这种用户移动轨迹的泄露风险,定义了轨迹披露概率。仿真结果表明,提出的算法与同类算法相比较,轨迹披露概率更大,能更好地获取用户轨迹隐私。（2）为了解决传统k-匿名机制在LBS连续查询中无法有效保护用户真实轨迹的问题,将用户的移动假设为隐马尔可夫模型并提出了一种改进的k-匿名轨迹隐私保护算法。该算法实现了同一匿名集中所有位置的不可区分,从而使得构建出的虚假轨迹与真实轨迹也无法被攻击者区分。特别地,为了提高算法效率,设计了一种基于贪婪算法的虚假位置快速产生方法。仿真结果表明,提出的防御算法能有效抵御利用隐马尔可夫模型推测用户真实轨迹的新型攻击。（3）在用户发送伪装位置的应用场景中,针对同一用户同一地点多次使用虚假位置时可能会泄露其真实位置的问题,设计了一种基于差分隐私的轨迹隐私保护机制。该机制利用R树存储用户生成的满足差分隐私要求的虚假位置。在发起查询时,先从R树搜寻是否存在符合条件的虚假位置而非直接生成新位置,从而减少了虚假位置的数量。仿真结果表明,提出的隐私保护机制通过降低位置Qo S可获得更高的轨迹隐私安全。最后,本文对所做的研究内容进行了总结,并对未来工作进行了展望。