随着移动互联网的普及和定位技术的高速发展,人和设备的地理位置信息在各类应用场景中被广泛的涉及和使用。在当前多种场景下,人们都需要频繁的利用自身的位置数据来使用基于位置的服务(Location-Based Service,LBS)从而获取信息;在空间搜索中,位置数据也常常被用作查询条件和检索结果供使用者查询。与位置数据的广泛应用相应的,为了采集自身位置,定位服务也被广泛应用于位置采集过程之中。在位置数据的采集和使用过程中,广泛存在着位置隐私威胁问题。位置隐私的威胁主要来源于用户对于不可信的第三方的顾虑,第三方的定位服务和LBS提供者都能够在提供服务的同时收集用户的位置信息。一方面,用户为了使用LBS,必须将自身位置发送给LBS提供者,该过程中存在着严重的位置隐私顾虑,用户难以信任LBS提供者,影响LBS使用的积极性。另一方面,越来越多的移动设备的定位功能已经发展成为了一种第三方定位服务,这使得定位服务提供者也同样能够收集用户的位置信息。除此之外,随着移动互联网的快速发展,LBS呈现出多样性发展趋势,位置隐私威胁模型也在经历着不断地发展和变化。针对这些位置数据的隐私问题,本文分别从LBS、定位服务和位置隐私威胁模型入手,重点研究了三方面的相关技术并提出了相应的解决方案。本文的主要工作和贡献包括:针对第三方定位服务的位置隐私威胁,本文提出一种基于信号空间加噪的k-匿名位置隐私保护方法。方法适用于主流定位服务技术原理,对无线信号接入点的空间分布特性进行了分析和建模,指出了定位技术空间信号加噪的遵循原则;在该原则基础上,提出了一种改进的信号空间加噪方法,能够快速的生成接入点噪声数据。用户通过对自身真实感知的接入点数据加噪,能够使得定位服务提供者生成多个难以分辨的位置数据,从而保护了定位服务用户的真实位置信息。在LBS场景下,本文指出了位置数据中实时速度信息对位置隐私可能造成的威胁,拓展了当前研究中普遍定义的位置数据概念。指出了一种基于异常行为感知的位置隐私威胁手段,能够威胁无法兼顾实时速度信息的隐私保护方法。继而提出了一种兼顾实时速度信息的轨迹隐私保护方法,基于对真实位置数据中实时速度信息的仿真,方法生成的泛化轨迹数据与真实轨迹具有实时速度上的高相似性,能够有效抵御针对实时速度信息的位置辨识威胁行为。针对定位服务和LBS场景中位置隐私问题无法同时应对的问题。本文提出了一种基于无线信号接入点与近邻查询兴趣点直接映射的近邻查询方法,能够不使用位置信息而直接进行LBS中常用的近邻查询操作。基于信号接入点与兴趣点之间的空间绑定关系,提出了一种基于R-树模型的兴趣点查询结构和对应的查找方法,使得近邻查询过程能够直接基于信号接入点实现。然后,继续提出了基于该方法的多源查询方法。由于过程中避免了位置数据的直接使用,较大程度的增强了定位服务和LBS场景的位置隐私程度。针对一种新型LBS对普遍意义下位置隐私威胁模型带来的挑战。本文分析并提出了设备相关型基于位置的服务概念:DLBS(Device-Dependent LBS)。论述了DLBS的一般过程和当前难以应对的位置隐私威胁,指出了在DLBS场景下,传统位置隐私保护技术无法提供有效的隐私保护。然后,针对DLBS场景,提出了一种基于信誉评价方法的信任价值评估方法,将位置数据的隐私保护与DLBS服务可用性之间进行绑定,使得攻击者只能通过牺牲DLBS可用性来换取用户的位置隐私,通过信任值分发和消费机制,有效的保护了位置隐私。