移动设备与定位技术的快速发展在给人们的日常生活带来极大便利的同时，也产生了大量关于移动对象的轨迹数据。轨迹数据中蕴含丰富的时空信息，对这种时空信息的挖掘和分析可有力地支持政府、企业和研究者的工作，如优化道路网络及交通管理策略、分析用户的行为模式以支持商业决策等。然而，直接发布轨迹数据会导致轨迹数据中敏感位置、个人兴趣爱好、健康状况以及社会习惯等隐私敏感信息泄露。随着人们对轨迹数据发布中轨迹隐私安全的日益关注，如何在对轨迹数据进行隐藏时，最大限度地保持轨迹数据可用性，已成为隐私敏感轨迹数据发布领域的研究热点。当前已有隐私敏感轨迹数据发布方法多数存在较显著的轨迹数据失真和轨迹隐私泄露风险较高等问题，针对上述问题，本文对隐私敏感轨迹数据发布中数据可用性与轨迹隐私安全兼顾问题进行研究，论文的主要工作如下:　　(1)分析隐私敏感轨迹数据发布的研究背景和现状，归纳分析了国内外现有隐私敏感轨迹数据发布技术方法及其优缺点。　　(2)针对隐私敏感轨迹数据发布中的概率攻击问题，定义隐私泄露检测机制，提出一种基于扰动的隐私敏感轨迹数据发布方法。当检测机制发现攻击者依赖所掌握部分轨迹能以较大概率推测出某隐私节点时，寻找出现频率最低的同类节点，若存在则用其替换该节点;否则在拥有该隐私节点的所有轨迹中，选择最佳轨迹，移除该节点。　　(3)针对通用场景下隐私敏感轨迹数据发布问题，提出基于分组的轨迹数据扰动方法，在基于k-匿名隐私保护模型对轨迹数据进行分组的同时，要求轨迹之间的最小边界矩阵差值满足一定阈值，保证同匿名集内的轨迹之间满足一定的差异性，再对各匿名集内的轨迹节点进行随机扰动，从而达到轨迹隐私保护的目的。　　理论分析和实验证明，所提隐私敏感轨迹数据发布方法能较好地兼顾数据可用性与轨迹隐私安全。