随着移动互联网及定位技术的发展,基于位置服务(Location Based Service,LBS)已经成人们日常生活中的重要组成部分。在请求服务的过程当中,不可信的LBS服务器可以通过用户的个人信息、查询偏好等背景知识发起推理攻击以获取用户隐私。现有的k-匿名隐私方案中,研究者们大都考虑从用户的历史位置选择虚拟位置的算法来构建匿名区域,而没有考虑查询频率、访问概率等用户属性。LBS服务器可以根据长期统计得来的历史数据来推测用户当前的位置信息。因此为保证用户的历史查询数据和查询频率不被攻击者获取,本文在充分分析现有方法的基础上提出了一种基于网格的匿名区域划分算法并提出针对连续查询的隐私保护算法。本文首先提出了一种基于查询频率的网格重划分算法。该算法的主要思想是通过遗传算法对用户预划分的网格赋予权值,针对用户所在单元格采用贪心策略进行网格的扩展,并使用邻接网格扩展的方法对未被划入匿名区域的单元格进行扩展。通过网格重划分使得扩展后每个匿名区域的查询频率基本相同。同时,通过实验验证对该算法与其它同类算法进行了准确性和稳定性的比较,并分析空间网格化精度对算法应用所带来的影响。基于缓存机制和多假名策略,本文进一步优优化了网格重划分算法并提出了一种可用于连续查询的隐私保护方案。该方案不仅能够满足用户的不同隐私需求,还能保护用户在连续查询时的隐私信息。该方案主要是在网格重划分后的匿名区域中建立协作用户集合,协作用户可以选择是否将查询信息、查询结果上传云端,用户可以在请求服务时通过云端的缓存信息中获取查询结果,因此在一定程度上减少了用户向LBS发送查询请求的频率。当用户无法在缓存信息中获得所需信息时,结合多假名机制使用户在发送查询时使用不同的假名作为用户名,以此抵抗攻击者的推理攻击。因为攻击者无法在一段时间内将两个不同的用户名联系到同一个用户,所以多假名机制可以有效保护用户的隐私安全。此外本文通过理论分析和实验验证来进一步分析验证算法的有效性。在中心匿名器和协作用户的帮助下,本文所提出的网格重划分算法可以快速的构建匿名区域,并且基于网格的连续查询位置隐私保护算法也可以在网格重划分的基础上,有效的抵抗用户在移动过程当中不断请求服务所引起的长期统计攻击和隐私泄露的问题。最后在Gowalla和Foursquare数据集上对本文的算法进行实验验证,并与其它算法进行对比分析。通过理论分析和实验结果证明本文提出的隐私保护算法不仅克服了用户在连续查询过程中易受长期统计攻击和推理攻击的弱点,并且提高了匿名区域构造时的效率和速度,同时也在一定程度上减少了查询误差。同时实验结果也证明了本文提出的基于网格的隐私保护算法在用户发送连续请求的情况下具有良好的效果和较高的效率。