近年来,随着无线通信技术、定位技术的不断发展,智能终端设备广泛普及,人们的生活方式和工作方式越来越多的依赖于移动终端设备,使得目前基于位置的服务（Location-based Service,LBS）日益盛行。用户使用LBS服务时需要依托移动设备将自身位置发送给位置服务提供商以获取相应的位置服务。然而,LBS在赋予社会大众巨大便利的同时,个人位置信息也时常遭到泄露。当用户的位置信息遭到恶意攻击者攻击或者被恶意的位置服务商所售卖时,将对用户造成不可估量的损失。因此,为了保护用户的个人位置信息不被泄露,LBS的隐私保护问题得到社会各界的广泛关注。本文针对快照和移动轨迹两方面对LBS的隐私保护进行研究,主要工作如下:（1）针对快照匿名中用户可信性程度不高以及匿名面积过大的问题,提出一种基于相似用户区域敏感度的位置隐私保护方法（SUAS）。该方法首先将整个区域按照四叉树结构进行划分;然后在用户发出位置服务请求时,剔除请求用户附近存在位置漂移的用户,并将其余用户按照属性相似程度进行排序,优先选取相似程度高的k-1个用户形成k-匿名组;最后在构建匿名区域时,采用自下而上的方式进行区域扩展,在传统L-多样性的基础上增加以区域敏感度来衡量匿名区域的安全性,使最终的匿名结果满足用户隐私需求。（2）针对轨迹匿名中长轨迹数据可用性不高及匿名效率低下的问题,提出一种基于首尾轨迹片段的位置隐私保护方法（IFTS）。该方法首先将原始路网结构转换成基于位置类型的边缘集群模型;然后对所有轨迹进行预处理操作,根据进出节点的时间顺序将整条轨迹进行分割,并识别每条轨迹中的起始和结束轨迹片段,按照距离远近进行等价类划分;最后将等价类中的首尾轨迹片段构建成轨迹片段图,将边的权重设置为轨迹片段的间距及位置类型差异的综合参数,并按照权值大小划形成相应的k-匿名集,得到匿名结果。（3）通过实验验证,SUAS方法在位置隐私保护程度及服务质量方面都有一定的提高;IFTS方法在一定程度上提高了数据可用性及匿名效率。