LBS（Location Based Services）是移动应用中最为重要的服务之一，包括导航（如Google Map）、兴趣点查询（如大众点评）、签到（如Gowalla）等。在提供位置服务过程中，存在不良服务提供商泄露用户隐私，或用户隐私在传输过程中被窃取等问题，导致用户身份和位置泄露，从而给用户带来困扰甚至极大威胁。加强位置隐私保护已成为热点。
　　针对位置隐私泄露问题，研究者们已经取得了一定的研究成果，如 k-匿名、假位置、加密等方法。由于位置服务的场景在应用中复杂多变，且用户要求不同，现有位置隐私保护中仍存在一些问题：（1）权衡服务质量与隐私安全之间的矛盾；（2）需要设计更加灵活的、满足用户个性化需求的隐私保护方法。因此，设计满足用户需求且隐私保护程度高、服务性能良好的方法是位置隐私保护努力的方向。
　　在对位置隐私保护的系统结构、评估、保护技术等相关技术进行深入分析与研究的基础上，本文给出两种位置隐私保护方法，具体内容如下：
　　（1）在位置查询服务中，若匿名区或锚点位于敏感区域，极易导致用户位置隐私泄漏。针对该问题，给出基于位置语义的增量近邻隐私保护方法。该方法在客户端/服务器体系架构下，首先根据用户的位置隐私需求计算语义安全匿名区，保护用户位置隐私；再筛选语义安全匿名区中分支个数最多的道路交叉点作为语义安全锚点，保证了选取锚点是真实存在的，且其语义安全性达到最大；最终客户端以锚点位置请求服务并获取查询结果。实验结果表明，该方法能够较好地保护用户位置的隐私，并具有较高的查询准确率和较短的查询时间。
　　（2）在位置查询服务中，针对边权攻击和位置语义攻击问题，给出防边权攻击的位置语义保护方法。该方法在中心服务器体系结构下，以敏感度和关联度结合进行道路的筛选，首先计算道路敏感度，选择敏感度较低的道路以保护位置语义隐私，其次以关联度为权重，通过降低用户所在道路的关联度以抵抗边权攻击；采用宽度优先搜索的方式，将筛选道路加入匿名集，构造满足用户需求的匿名集，匿名集能同时抵抗位置语义攻击和边权攻击。实验结果表明，该方法获得的匿名集具有较高的匿名成功率，较好的抗语义攻击能力和抗边权攻击能力。