随着智能移动终端和空间定位技术的快速发展,基于位置的服务（Location Based Services,LBS）在移动社交网络中得到广泛应用,LBS为人们的日常生活提供了众多便利,但同时也增加了用户位置隐私泄露的风险。由于第三方服务器可以通过LBS对移动用户位置轨迹进行一系列的收集、分析和传播,对用户的位置隐私安全造成威胁,所以在此基础上保护移动用户位置轨迹隐私安全尤为重要。本文通过研究轨迹隐私相关安全模型和算法,提出一种个性化轨迹隐私保护方法（Personalized Trajectory Privacy Protection Method,PTPPM）。首先,在移动用户端增加缓存区并对用户所在地理位置范围进行区域划分;其次,对中心服务器结构进行改进,新增安全中心（Security Center,SC）和多匿名器,并提出多匿名器的并发K匿名机制;最后,将分簇数据融合隐私保护算法（Cluster-based Private Data Aggregation,CPDA）和改进的二叉搜索树算法植入到LBS服务器端。本文主要工作及其创新之处如下:（1）将用户所在区域进行网格划分便于缓存区查询,通过用户端设置缓存机制,及时缓存用户所在区域查询到的候选结果集,通过缓存机制来减少用户端和LBS服务器的信息交互频率,降低用户位置信息泄露的风险。另外布置SC和多匿名器,SC用于对用户信息进行签名,并产生公钥和私钥对用户位置查询信息进行安全验证,并且SC将用户位置查询信息进行加密并分为M份随机转发给多匿名器,多匿名器对接收到的位置信息进行随机并发式K匿名。（2）将CPDA算法和二叉搜索树算法植入到LBS服务器中,使用CPDA算法的簇内分层密钥管理方法对不同用户采取不同的位置隐私保护策略,并提出利用前缀树来保存用户位置信息点。另外,通过改进的二叉搜索树算法结合前缀树来查询用户轨迹最优路径,然后LBS服务器利用公钥将用户查询结果进行加密。经过实验验证和安全分析表明,该方法能有效保护用户轨迹隐私安全,提高位置信息查询效率。本文共有图24幅,表2个,参考文献78篇。