随着各种移动设备及定位技术的迅速发展,基于位置服务LBS(Location-Based Services)得到了广泛的应用。人们使用LBS服务可以很方便的获取到相应的服务,如查询酒吧、医院、附近交友等。然而基于位置服务在带给人们便利的同时,也对用户的隐私带来了严重威胁。因为用户使用基于位置服务则必须向位置服务器发送其地理位置信息,如果攻击者获得了用户位置信息,那么他可以根据位置信息推测出敏感信息,如:用户在医院能推测出用户的身体状况等。所以,人们在使用基于位置服务时应该通过一定的保护措施保护用户的位置信息。目前,已有文献提出了各种不同的保护机制,其中绝大多数方法的实现方式都是通过可信第三方匿名服务器TTP(trusted third party)进行k-匿名。本文首先总结了目前位置隐私的各类模型,并分析了现有的位置隐私保护技术及优缺点。然后基于中心服务器模型,分别针对服务质量与隐私保护程度矛盾问题、k值选取和海量同等查询请求等问题进行了研究。具体内容如下:首先,提出了一种基于马尔可夫链的k-匿名位置隐私保护方法。该方法针对当前各种位置隐私保护机制以牺牲服务质量为代价来提高隐私度的弊端进行改善。这个方法有两个显著的特征:第一,系统根据每个移动用户所处的环境和其社会属性计算出适合当前用户的k值。第二,不同于现有的方法,可信第三方匿名服务器不再构造匿名区域,而是利用马尔可夫链的性质形成一条包含k位用户的虚假轨迹,然后TTP以轨迹的形式进行查询。其次,提出了一种面向海量同种请求k-匿名位置隐私保护方法。该方法不再是随机的寻找较近的k位移动用户进行位置匿名化,而是将海量的同等请求根据位置相近度进行聚类形成满足群体用户隐私需求的匿名域,进而大大降低了计算开销。为了不影响移动用户的体验,我们在匿名过程中引入时间阀值,以防用户位于偏僻地方没有大量数据而长时间等待。同时我们还引入了匿名域半径的下限阀值,防止匿名域半径过小时,无法有效保护用户位置。最后,使用MATLAB进行实验仿真,表明了上述所提算法的有效性。