随着无线通信技术的日益成熟以及智能终端的普及，基于位置服务的应用(LBS)得到了全面的发展。用户在进行位置服务相关的查询时，需要向LBS服务提供商提供用户自身的请求内容以及位置信息，因此用户的隐私存在泄漏的风险。基于位置服务的隐私保护问题已经成为学者们研究的一个热点。
　　当前主流的位置隐私保护模型所存在的缺陷包含：点对点分布式模型结构(P2P)用户之间存在不可信任的问题，响应时间较长，反馈结果不精确；基于可信任的第三方服务器模型结构中第三方服务器计算、存储负担重，且存在一定的安全隐患。本文针对上述主流模型存在的一系列问题，基于用户个性化选择隐私保护等级，结合了点对点分布式结构以及可信任的第三方服务器结构，设计了一种新的位置隐私保护模型。本文的主要研究工作如下：
　　(1)点对点分布式结构中的N-个性化匿名算法设计。在点对点分布式模型中，本文设计一种N-个性化匿名算法，根据用户个性化设置的隐私保护等级快速找到有效范围内的协作用户并建立匿名区域。该算法能保证协作用户之间的通信不会暴露自身的位置信息以及身份信息，即使存在部分不可信任用户，也能保证各个协作用户的隐私安全。
　　(2)可信任第三方服务器中的G-泛化区域位置匿名技术设计。在基于可信任第三方服务器中，根据用户个性化设置的隐私保护等级，对用户的位置信息进行Geohash编码，同时根据编码的位数确定匿名区域的大小，保证位置匿名的可行性。另外，在第三方服务器中加入了Memcache高速缓存，提高了用户的查询效率。
　　(3)实验设计与分析。通过实验数据表明N-个性化匿名算法和G-泛化区域匿名算法在运行效率上都比传统模型的表现更优。整体的T-P混合式模型结构查询速度更快，系统性能更加，尤其是在当隐私保护等级的参数变大时，T-P混合式模型结构具有更好的表现。