轨迹数据记录了用户移动行为,富含重要的时空信息,具有巨大挖掘价值。轨迹数据正成为各行各业争夺的重要资源,如何充分发挥轨迹数据中蕴含的丰富知识,是数据挖掘研究领域的前沿热点。轨迹数据本身是一类典型的隐私数据,轨迹模式携带了用户生活和工作规律等重要敏感信息,在挖掘轨迹数据重要价值的同时,如何保护用户的移动行为隐私安全,是轨迹数据应用亟需解决的关键问题。轨迹隐私保护研究是隐私保护领域的前沿热点课题,然而已有成果主要考虑了快照式的轨迹数据,难以适应轨迹数据的动态特性需求。不同历史版本的轨迹之间可能存在紧密关联,攻击者可以通过对不同版本的轨迹数据进行联合分析与推理,此时基于静态策略的轨迹数据隐私保护方法将会失效。为解决轨迹数据发布过程中由于群体关联攻击和历史联合攻击所导致的隐私泄漏问题,本课题研究一种面向轨迹动态特性的轨迹隐私保护方法。研究的主要工作包括三个方面,首先针对已有关联性度量方法缺乏非线性描述能力的不足,引入数据关联度表示的最新成果即最大信息系数,用于刻画具有非线性特征的不同历史轨迹间的关联程度;其次为提高轨迹保护的针对性和效率,提出一种关联轨迹深度检测模型,并给出基于伪相关反馈的模型实现,据此检测敏感度高的轨迹进行保护;第三针对轨迹数据的动态特性,提出轨迹数据隐私保护的动态匿名算法,以有效保护易受群体关联攻击和历史联合攻击的高风险轨迹。研究还在真实数据集和合成数据集上进行仿真实验,对保护后数据的质量和算法效率进行有效性验证。