现如今人类社会已进入大数据时代,利用大数据处理、分析和解决问题,已经在军事、医学、教育等领域内广泛应用。然而,对于大数据是否能够被安全有效的使用已成为当前数据隐私保护和信息安全的研究者需要解决的问题。基于位置服务（Location Based Services,LBS）的应用成为移动社交网络应用中的一种主流应用,通过带有定位系统（如GPS）移动智能设备获取移动终端的位置信息,为用户提供诸多便捷服务。然而,位置服务信息通常包含用户的各种隐私信息,例如用户的生活轨迹、个人习惯和社交情况等,使用户面临着各种隐私泄露的风险,威胁用户的隐私信息。一些文献主要针对位置信息的隐私保护提出了各种解决方案。但是,由于移动社交网络应用的特殊性,用户为了获取更好的服务,通常会分享位置信息交换便利性,而且位置信息通过移动互联网传播,这就给位置隐私保护带来新的挑战。本文主要针对移动社交网络应用中用户的位置隐私和查询隐私泄露问题,在位置隐私问题上,使用基于l-多样性的隐私保护模型分别在客户端和服务器端对用户位置数据进行保护处理;在查询隐私问题上,使用基于k-匿名的隐私查询模型分别在隐私保护处理器端和位置服务提供商处对用户的位置数据及位置查询内容信息进行保护处理;通过理论分析和实验结果表明,该方法可以有效地保护位置隐私数据和查询数据。本文创新点及所做的工作如下:本文在针对移动社交网络应用中用户的位置隐私泄露问题,当用户的位置数据表中准标识符属性维数较多时,若作为攻击推断属性维数达到指数级别,那么直接通过概化和隐藏的方法对位置数据进行k-匿名保护处理,会损失大量的位置数据,进而影响数据的可用性。文中基于l-多样性保护模型将位置数据表分为准标识符属性表和敏感属性表分别上传,其中可将用户位置的经纬度视为两个敏感属性,通过有损连接进而实现隐私位置数据的保护,有效减少位置数据的损失。本文主要工作是解决移动社交网络应用中用户的位置隐私和查询隐私泄露问题。第一,本文针对移动社交网络应用中用户位置隐私泄露的问题,基于l-多样性隐私保护模型,提出一种面向多敏感属性的位置隐私保护方法,分别在客户端和服务器端对用户位置信息进行保护。在客户端,采用最小距离分组的分解算法对位置数据进行轻量化预处理,使处理后的数据满足l₁-多样性原则并将数据以QIT¹和ST¹形式上传给服务器,实现用户位置数据的初步保护;在服务器端,采用最小选择度优先策略形成满足多敏感属性的l₂-多样性分组,将得到数据以QIT²和ST²形式上传,实现用户位置数据的进一步保护（其中l₁2）。第二,本文针对移动社交网络应用中用户查询隐私泄露的问题,提出了一种基于k-匿名的隐私查询保护方法。在隐私保护处理器端,提出一种基于k-匿名的位置信息匿名框构造算法,在经纬网格附近随机选取一点为圆心O,选取以经纬网格上四个顶点距离圆心O最远点的直线为初始半径R,然后根据用户自定义的隐私配置进行构造用户位置数据匿名框,实现用户查询时位置信息的保护;在位置服务提供商处,提出一种基于动态规划的位置信息查询算法,以查询请求用户所处的位置信息匿名框的圆心O为中心,获取范围为A的区域,采用动态规划查询算法的思想进行Top-k排序得到最优答案树,最后将查询结果反馈给隐私保护处理器,实现对用户位置查询内容的保护。