随着移动智能终端设备的普及和移动互联网的迅速发展，各种服务平台开始出现在人们的生活中，例如，基于位置的服务（Location-based Services，LBS）、移动群智感知（Mobile Crowd-Sensing,MCS）等，它们在向用户提供服务的同时，还会收集用户的位置信息，虽然服务平台会给予用户一定的报酬，但是用户轨迹隐私的泄露仍然会降低用户的参与度。为了保护用户的轨迹隐私，出现了各种技术手段，如假名机制、K-匿名机制、差分隐私等，由于差分隐私技术能够为用户提供强有力的隐私保护，其已经被广泛地应用于用户的轨迹隐私保护。
　　差分隐私通常作用于第三方或服务器上的统计数据，从而实现对用户的轨迹隐私的保护，然而，如果第三方或服务器不可信怎么办？因此，本文考虑从用户的角度来对其轨迹隐私进行保护，提出了基于本地化差分隐私的用户轨迹隐私保护机制。
　　在为用户提供服务的过程中，有些应用允许用户在离线状态下将其轨迹打包上传而非动态不间断地提交位置信息，如环境监测。有些服务需要用户上传其实时位置，如交通状况监测、路径规划等等。针对以上两种情况，本文分别设计了相应的算法来对用户的轨迹隐私进行保护，在此基础上，本文还考虑了用户所提交的数据的有效性，保证了第三方或服务器所能够获得的收益。
　　针对第三方或服务器可以容忍延迟的情况，本文将用户的轨迹看作高维空间的一个点，轨迹上的位置点看作不同坐标轴上的值，随后生成总的噪声值分配到用户轨迹上的各个位置点，最后将用户的轨迹打包上传。对于需要用户上传实时位置的情况，本文将用户的轨迹看作由若干条长度为w的子轨迹，并将隐私预算动态的分配到子轨迹上的各个位置点，保证了用户的任意长度为w的子轨迹满足差分隐私。在这两种机制中，本文还对用户轨迹之间的相关性、隐私泄露量、第三方或服务器所获得的收益进行了量化，用以提高算法的性能。通过在上海市出租车的数据集上进行实验，实验结果表明本文所提出的算法能够为用户轨迹隐私提供较强的保护，同时能够保证用户所提交的数据的有效性。