随着移动互联网的飞速发展,基于位置数据的应用层出不穷,为人们的生活带来极大方便的同时也使得用户的隐私受到巨大的威胁。位置隐私泄露场景以及保护方法是研究的重点,已有的研究仅从位置、轨迹的角度考虑隐私泄露场景,但是位置数据的位置特征也能够暴露用户的隐私信息。针对位置特征会暴露用户隐私的问题,提出基于特征安全的位置隐私保护模型。模型将位置特征划分为发布特征和扰动特征,定义特征相似社区和特征?-多样性,根据扰动特征相似度划分特征相似社区,然后根据社区划分算法使社区内的用户满足特征?-多样性。在社区划分的基础上,采用特征扰动算法对位置数据进行扰动。针对已有的扰动方法没有考虑到特征之间的关联以及数据可用性低的问题,提出特征相关性的概念,在扰动过程中考虑特征相关性的影响,并通过缩小需要扰动位置的范围,保证数据可用性。最终得到满足模型要求的位置数据集。以特征相似社区和特征?-多样性为基础,设计并实现了基于特征安全的位置隐私保护方法(FSB-LPM),包括:社区划分算法和特征扰动算法,并给出算法时空复杂度分析和安全性分析。数据可用性则通过与随机扰动保护方法、k-匿名保护方法以及两种不同的差分隐私保护方法在三种通用可用性指标和四种自定义可用性指标上分别进行比较,在三个不同的数据集上的结果共同表明:在两种通用可用性指标上,FSB-LPM可用性优于其他的保护方法;在两种自定义可用性指标中,FSB-LPM优于其他的保护方法。