在车载网络中,混合区域中的大量车辆可以增加隐私,但代价是失去通信质量。因此,有必要协调这两个相互冲突目标进而实现隐私保护。在这项研究中,我们提出了一个内部优化模型和一个外部匿名更新博弈模型,将物理层的发射功率和MAC层的延迟跨层联合成两步非合作博弈模型,通信方和隐私方分别享有一个效用函数。第一步我们建立一个旨在平衡隐私和延迟的内部最优模型,在这里我们可以获得最佳的发射功率。通过选择发射功率,我们可以获得邻居车辆数量的最优结果,其可以用作第二步骤的输入。第二步,我们提出了一个外部的匿名更新博弈模型来分析多个车辆节点的非合作行为,所有博弈者共同参与以最小的成本最大化效用函数。我们分析了多个博弈者的完全信息博弈中的纳什均衡,我们也得出了纯策略纳什均衡。最后我们进行广泛的数值计算以全面研究纳什均衡对各种参数组合的反应。结果表明,匿名更新的两步非合作博弈能够自适应车辆环境,在不影响通信质量的前提下提高隐私性。移动网络的用户可以在被称为混合区的区域中更改其标识符,以防第三方跟踪其位置。混合区必须小心地部署在网络中,以降低移动用户的成本,并提供高位置隐私。与以往大多数认为全球对手的工作不同,我们认为本地对手配备有多个窃听站。我们研究了部署窃听站跟踪移动用户的本地对手与部署混合区保护其位置隐私的移动用户之间的交互。我们使用博弈论模型来预测双方的策略。其中车辆先选择发射功率,而监听节点知道路口周围的邻居节点数后调整自己的监听强度。论文通过计算车辆与监听对手之间的最优反应函数,推导了完全信息情形下的均衡策略,并且揭示了在攻击成本等因素对于纳什均衡的影响,结果表明,我们,本地对手可以通过对手的监听策略自适应的调整自己的通信范围,提高通信的隐私和安全性。