随着移动互联网的快速发展,基于位置的服务(LBS)也发展迅速。LBS要求用户将自身位置发送给服务方,服务方根据用户的查询请求返回特定的信息,然而通常情况下服务方是一个不可信的实体,一旦用户位置信息被非法的收集和共享,可能会暴露出用户的家庭地址、工作地址等敏感信息,因此LBS中用户的位置隐私保护亟待解决。差分隐私是近些年非常流行的位置隐私保护方法,基于差分隐私提出的地理不可区分性是一个严格的位置隐私概念,广泛的应用于位置隐私保护领域,但基于地理不可区分性的位置隐私保护方案在用户处于孤立位置时不能抵抗贝叶斯攻击。为了防范贝叶斯攻击,个性化位置隐私保护方案根据用户所处的位置设置地理不可区分性参数,但这使得用户位置与地理不可区分性参数之间存在一定的关联性,敌手将地理不可区分性参数作为背景知识进行攻击,可以获取到更加精确的用户可能所在的位置集合,我们将其称为地理不可区分性参数攻击。本文的主要贡献如下所示:(1)本文在个性化位置隐私保护场景下首次提出了地理不可区分性参数攻击的问题,针对该问题,提出了可以有效抵抗地理不可区分性参数攻击和贝叶斯攻击的PDBB机制。本文给出了更宽松的安全性条件,扩大了保护区域搜索范围,通过对保护区域分配的隐私预算添加噪声抵抗地理不可区分性参数攻击,并利用加噪产生的冗余隐私预算放大发布概率,提高效用。(2)针对基于地理不可区分性的位置隐私保护方案在用户处于孤立位置时不能有效地抵抗贝叶斯攻击,本文结合地理不可区分性和k-匿名提出了在孤立位置可以有效抵抗贝叶斯攻击的KDP机制,该机制通过将扰动位置隐藏在k-1个混淆位置中抵抗贝叶斯攻击。