移动网络和定位技术的不断进步为基于位置的应用提供了强劲的推力。如何在使用基于位置服务的同时,不泄露用户位置隐私已成为基于位置服务的研究热点。基于K-匿名的位置保护技术是解决位置服务中隐私泄露的有效方法,而基于个性化的K-匿名研究主要集中在由用户根据其不同的需求设置不同的隐私级别(K),但K值的设置涉及复杂,仅依靠用户自身的知识储备无法在隐私级别和服务质量中做到最优平衡。另外,在基于位置的服务中,服务器需要获得用户的准确位置以提高查询的准确性,一旦服务器受到攻击,用户的位置数据就会泄露,进而被挖掘出隐私信息,损害用户利益。针对以上问题,本文提出一种基于个性化的K-匿名推荐模型帮助用户在隐私级别和基于位置的服务质量的权衡上占据主动,并提出一种不影响隐私的查询处理模型用以保护用户的位置信息。具体工作如下:(1)分析影响用户设置隐私级别的因素。(2)提出一种旨在帮助用户设置最优隐私级别的K-匿名推荐模型。首先,基于用户过去的隐私偏好获取一个K值。其次,综合考虑影响用户设置隐私级别的因素且经过不断的反馈,获得一个理想K值。最后将理想K值推荐给用户参考,但系统不干涉用户的最终选择。(3)分析攻击者获取用户位置数据的方法,针对攻击者从基于位置的数据库上获得用户位置数据的情况,提出一种不影响用户隐私的查询处理模型。(4)基于提出的查询处理模型给出查询算法,并验证算法的正确性。通过实验结果分析表明,本文提出的查询处理模型可以处理传统服务器所不能完成的私有查询,并可以通过过滤器减少查询时间,实现更好的性能。