随着信息技术的不断发展,以及各种能够支持定位的智能设备普及,许多互联网技术已经成为了人们的生活娱乐不可缺少的一部分。人们在享受使用这些相关软件设备时,不可避免的需要将个人的位置信息以及相关的隐私信息上传至服务器提高了隐私泄露的风险。因此如何保证用户的位置隐私安全的前提下又不影响基于用户个人位置的服务质量是位置隐私保护领域的研究热点。本文基于位置隐私泄露的问题进行了深入的研究。本文主要内容如下:1)针对常见k-匿名算法在查找匿名空间效率上和减少匿名空间的大小很难做到两全齐美,本章提出了一种基于Google S2的k匿名算法。注册用户将自己的经纬度信息以及指定匿名空间范围大小（level值）发送至匿名服务器。匿名服务器使用改进过后的B+树节点对用户位置对应的Cell ID进行维护。后续通过B+树叶节点指针快速查找请求者周边兄弟节点信息,最后选出满足k匿名的网格发送至LBS服务器。2)针对基于Google S2位置匿名算法在连续查询时会提高隐私泄露的风险,在此基础上提出了基于马尔可夫链的连续查询隐私保护方法,该方法首先对区域内的历史用户轨迹数据集进行处理生成马尔可夫概率转移矩阵,随后根据请求者的位置预测未来的行进路线。得到预测轨迹后通过历史轨迹数据库找到能够覆盖行进路线经过网格的R条相似轨迹。随后按相似轨迹经过的网格生成匿名空间向LBS服务器发送。拿到与预测轨迹经过的网格查询结果则进行缓存,这样请求者再次发起请求时能直接在缓存中得到结果集,减少了位置隐私泄露的风险。