随着5G的发展和移动智能设备的升级,基于位置的服务(location-based service,LBS)已经应用在交通出行、外卖餐饮、物流跟踪等各种领域。虽然基于位置的服务给人们带来了新的生活方式,但是位置服务的广泛使用会产生大量的个人数据,其中包括个人轨迹数据。由于轨迹数据中隐藏着用户的家庭住址和工作单位等敏感信息,一旦泄露,用户的隐私安全将遭受威胁。因此,如何在使用LBS应用时保证用户的轨迹隐私安全已经成为人们关注的重点。本文首先详细介绍了当前轨迹隐私保护的国内外研究现状,深入研究了轨迹隐私保护的系统架构和相关技术,并分析了各自的优势和不足;其次,根据轨迹隐私保护的两个应用场景:数据发布中的轨迹隐私保护和LBS中的实时轨迹隐私保护,本文分别提出相应的隐私保护方案;最后通过实验对比分析,证明了本文所提的两个方案可以有效保护轨迹隐私,并且保持了一定的服务质量。本文的主要研究内容如下:(1)为了保护数据发布的轨迹隐私并保持数据可用性,本文提出基于位置敏感度划分的轨迹隐私保护方案。该方案首先使用位置轨迹和签到频率来设置阈值,以便对位置敏感度等级进行分类。其次,因为对位置添加统一的噪声会造成较大误差且不能满足用户的个性化需求,所以本方案根据敏感度等级分配相应的隐私预算,并添加满足差分隐私的拉普拉斯噪声。通过实验分析,该方案可以有效地保护数据发布中的轨迹隐私,并减少差分隐私对服务质量的干扰。(2)为了提高LBS中假轨迹方案的成功率,本文提出基于协同过滤的位置混淆轨迹隐私保护(Location Obfuscation Trajectory Privacy Protection Scheme based on Collaborative Filtering,TPCF)方案。TPCF方案采用可信的第三方匿名服务器。首先,用户在发送请求时提出隐私保护需求,然后匿名服务器根据需求推荐若干候选位置。其次,TPCF方案从候选位置中选择满足空间可达性、时间可达性、方向一致性以及位置分散性的假位置。最后,TPCF方案将用户真实位置和假位置同时发送给位置服务提供商(Location Service Provider,LSP)。通过理论分析和实验证明,TPCF方案不仅减小了用户真实位置暴露的风险,并且满足了实时性服务需求。