智能移动设备的普及和GPS、北斗定位、智能计算等科学技术的进步,极大地推进了基于位置服务（Location-based services,LBS）的发展,LBS相关应用已经出现在日常生活的方方面面,人们越来越离不开这类服务。然而我们在提供个人位置信息享受这些服务给我们带来的便利同时,也导致了个人位置信息的暴露,甚至是个人身份标识等关联信息的泄露。目前常用的位置隐私保护方法是基于k匿名及其扩展的方法,特点是通用性强且易于实现,然而,现有的研究大多忽视了语义攻击对于匿名安全性的影响。为了解决上述问题,本文针对不同的服务场景提出了相应的位置隐私保护方法,主要工作如下:1、针对在单次位置服务请求过程中的语义攻击,提出一种基于语义多样性的k匿名位置隐私保护算法。首先,针对欧氏距离选取相似语义位置类型构建匿名集存在权重单一导致语义信息建模质量不高的问题,建立路网环境约束下的语义敏感度模型,使得不同语义位置拥有不同的语义敏感度;然后结合差分隐私模型中的指数机制基于语义敏感度、用户访问频次等权重构建语义匿名集,以提高在匿名集构造过程中匿名数据的安全性;最后,基于路段的位置语义类型构建匿名集,使得匿名集的位置之间增加不可区分性且满足语义多样性。通过实验结果分析表明,算法在匿名成功率、相对匿名度评价指标上分别提高了约5%和0.5,可以有效地抵御语义推断攻击。2、针对在连续位置服务请求过程中的语义攻击,提出一种基于轨迹差分隐私的位置隐私保护方法。首先,根据路网环境下连续位置服务请求位置构成的轨迹对于位置隐私安全的影响,以及位置数据发布造成用户关联信息的泄露问题,建立连续位置服务查询下的轨迹语义隐私攻击模型;然后,为了抵御这种攻击,通过余弦相似度选取与用户相似度高的轨迹,以降低匿名轨迹被攻击者过滤的风险;最后,利用改进的高斯机制,在构造轨迹匿名集的基础上,统计不同语义类型的位置的访问频次并添加动态高斯噪声,在提高轨迹隐私安全性的同时提供更加精准的发布结果,更好地兼顾数据安全性和效用性。实验结果表明,算法在更低的时间开销上,有相对较高的匿名成功率,轨迹相似度相对提高了约0.2,并且在加噪数据后的相对误差和均方误差分别降低了约4%和30,提供更加精准的位置数据发布结果,有效地平衡位置数据安全性和可用性之间的关系。