随着移动定位和通信技术的普及,通过对用户实时位置或者轨迹数据的分析和挖掘,我们可以支持许多与移动对象相关联的位置服务。现有位置服务主要包括用户主动发起的基于用户实时位置的空间查询服务和第三方供的基于用户轨迹数据或连续发布的位置信息的商业服务。就在用户位置信息可以给人们带来巨大好处的同时,位置数据和个人隐私等信息也面临着严重的泄露问题,同时如何保证高质量的位置服务和正确的空间查询结果也是用户重视的问题。本文研究旨在针对组最近邻查询(Group-Nearest-Neighbor,GNN查询)这类的空间查询服务,充分考虑了用户位置数据的隐私保护和空间查询结果正确性的有效验证。为了解决GNN查询中的用户位置隐私保护问题,我们出了两种有效的位置数据隐私保护算法,即几何质心法和加密质心法。为了解决GNN查询中的空间查询结果正确性的验证问题,我们出了基于Voronoi图的查询处理和结果验证。算法在保证用户位置隐私保护和查询结果正确性的同时,尽可能地减少了存储、通信和计算的开销,并且可以有效地抵御各种隐私攻击模型。在实验部分,通过和现有的三种相关算法对比,结果证明本算法不仅充分考虑了隐私保护和查询验证,而且有着更合理的资源开销。针对供用户轨迹数据或位置信息给第三方用于各种商业目的的位置服务,本论文在离线轨迹数据发布的场景中,出一个有效的个性化的轨迹隐私保护方法,算法可以很好地权衡用户自定义隐私要求与数据可用性之间的平衡。算法的主要思想为:首先,标注轨迹上所有采样点的语义属性,并建立相应的语义树;然后,取出用户轨迹上所有的敏感停止点;接着,考虑用户速度和避免反突变的前下,针对不同类型的敏感停止点,采取不同的策略来选择合适的用户兴趣点;最后,发布重构后的用户轨迹给第三方。另外,为了让我们的方法更符合实际情况,算法避免了重构轨迹片段出现位置突变或穿越空间障碍物的情况。实验部分采用轨迹平均再识别可能性,轨迹语义一致性和轨迹形状相似性作为评价标准,对出的算法进行全面的评估。实验结果表明,我们的方法可以尽可能地高用户的轨迹可用性,同时有效地实现不同的轨迹隐私要求。