近些年来,随着网络技术的发展以及汽车的广泛应用与进步,车联网逐渐成为一个热门的研究领域。在网络逐渐触及到人们生活的各个方面的同时,人们对于自身信息安全的重视意识逐渐增强,他们在希望获得更好的网络体验的同时,也希望自身的信息安全得到保证,因此,对于隐私安全的研究也十分广泛。本文对在车联网络中的位置隐私以及移动通讯中的数据隐私的定量化做了研究,全文主要分为两个部分。第一部分,主要是对车联网中位置隐私的定量化研究。这部分提出了一个从时间和空间的角度出发的定量化模型,它允许用户和应用可以灵活地根据具体要求配置优先敏感范围,使人们更容易理解自身的位置隐私是如何暴露的,并且它是独立于攻击模式之外、使得用户可以根据不断变化的环境灵活采用不同的保护机制的隐私定量模型。我们还研究了定量模型的准确性和适应性和多种相关参数组合对于该模型的影响,并且将理论应用于实践,即将该定量模型应用在25万辆汽车组成的模拟车辆数据集TAPASCologne和某时段罗马出租车位置点采样数据集Roma-taxi。结果表明,该量化模型可以有效地给出移动点移动中位置隐私的暴露,并为隐私保护提供可靠的判据。这可以使得用户在享受服务和隐私保护之间达到一个可以共赢的平衡点。此外,我们提出了一种自适应证书更新模型来例证如何使用位置隐私定量化模型。第二部分,主要是对移动通讯过程中的数据隐私的定量化研究。为了更恰当地描述数据通讯过程中用户隐私的变化情况,我们在信息论理论的基础上讨论在数据传输过程中数据携带的隐私信息的表示方法,并且提出系统、隐私熵、隐私联合熵等相关概念,建立了一个衡量在数据通讯中隐私变化的定量化模型。该模型为研究者们研究数据隐私保护提供了一个基本的依据。我们对模型中参数的不同组合的影响做了分析,并且利用真实的通讯数据检测模型的准确性和适应性。最后,提出了一个基于该数据隐私定量化模型的隐私保护机制。在移动网络愈加发达的今天,在人们享受服务的同时不可避免地使自身的隐私暴露,如何达到一个平衡将是人们越来越关心的问题。本文的研究,给寻找这种平衡提供了一种方式。