随着移动应用和定位技术的不断发展，基于位置服务(Location-based Services)得到了广泛应用。LBS中(κ)近邻查询为人们提供便利的同时也带来了隐私泄露问题。为确保隐私安全，研究者提出了假位置法、空间转换法和空间匿名法等多种隐私保护方法。然而，这些方法仍存在一些不足，例如服务器端计算量过于繁重、系统可扩展性不高、连续查询下空间匿名法存在安全隐患等。本文研究(κ)近邻查询中的位置隐私安全问题，主要包括如下工作:　　 (1)针对服务器端计算量过大问题，提出了新型隐私保护方法HilAnchor+。该方法将计算包含最终(κ)近邻结果的候选集框任务由客户端承担，并借助希尔伯特曲线将二维空间查询转换为一维空间查询，降低了服务端计算成本及网络传输成本，从而提高了系统的可扩展性。　　 (2)针对HilAnchor+中部分参数泄露而引发的隐私安全问题，提出了隐私安全度更高的改进方法HilAnchor。该方法计算更严格的最小逆推面积，并通过扩大候选集区域确保其值不小于指定隐私度量阈值，从而提高了隐私安全度。　　 (3)针对(κ)近邻连续查询下空间匿名法隐私保护能力下降问题，提出了基于可达域和基于EAmin、EUmin参数的两种改进策略。前者在用户可达区域内为用户提供空间匿名保护，从而确保匿名区域和匿名集合隐私保护能力的有效性;后者通过计算并约束匿名区域和匿名集合的熵值，维护它们内部各点间的概率均衡性，防止攻击者以较高概率确定用户位置。　　 最后，实验表明本文提出的方法具有可扩展性良好、隐私安全度高等优点。