以智能手机和无线网络为基础发展的基于位置的服务给用户带来极大的方便,滴滴打车、微博定位、网上外卖等第三方应用在用户的日常生活中占据重要地位。第三方应用会对用户的个人信息进行记录,其中,对用户位置信息的记录尤为频繁。这类应用在给用户带来便利服务的同时,也会导致用户隐私信息的泄露。用户隐私包括很多方面,其中用户的身份信息是最基本的隐私信息,即使是对用户其他方面的隐私信息进行保护,也默认要完成对用户的身份信息保护。本文对带有时间信息的兴趣点的用户数据进行分析,发现攻击者可以通过计算用户间重合兴趣点的数量来判断用户之间的关系,从而会暴露用户之间的隐私关系。就目前掌握的资料来看,这方面的隐私保护并没有得到足够重视,也没找到解决兴趣点数据暴露用户隐私关系问题的算法。在本文中,用户的数据形式是带有时间信息的兴趣点数据,时间信息划分为敏感时间信息和非敏感时间信息,兴趣点数据并不进行区分。在对用户关系进行保护之前需要设计合理有效的算法对用户的关系进行挖掘。用户信息保护包括用户关系保护和用户身份保护两个部分,其中,用户关系保护又可以分为两者关系保护和群体关系保护。在对用户身份信息进行保护时,需预先设置合理的攻击者知识和合适的隐私保护模型——km-匿名模型,针对给出的背景知识,设计行之有效的用户身份保护算法。所以本文的主要工作就是设计合适的挖掘算法得到用户间的两种关系,然后完成相应的两种关系保护和用户身份保护。在对用户信息进行保护的过程中,尽可能保证数据的可用性。实验部分设计并实现了隐私保护实验,采用真实有效的用户轨迹数据和人工合成的兴趣点数据验证了本文算法的有效性,实验也验证了匿名处理的数据仍具有数据可用性。