轨迹数据在智能交通、城市规划、个人行为模式分析等领域发挥着重要的作用。因此,很多组织都在收集和发布轨迹数据,然而,轨迹数据的直接发布会泄露个人隐私信息。随着因轨迹隐私泄露而产生的社会问题的增多,轨迹数据隐私保护的研究逐渐成为移动计算领域的研究热点。(k,δ)-匿名模型是实现轨迹隐私保护的有效方法,但该模型不能很好地抵制位置链接攻击。为此,本文提出了抵制时空位置点链接攻击和抵制子轨迹链接攻击的匿名模型及实现算法,主要工作有：(1)提出抵制时空位置点链接攻击的(k,δ,l)-匿名模型。(κ,δ)-匿名是轨迹数据发布隐私保护的重要方法,但它易受时空位置点链接攻击。针对该问题,提出了((κ,δl)-匿名模型,该模型要求发布数据中任一轨迹在其半径为δ的圆柱范围内至少包含其它κ-1条轨迹,并且发布数据中的任一时空位置点通过的轨迹至少有l条。同时也提出了实现(κ,δ,l)-匿名模型的AGG-NWA算法。实验结果表明,在匿名轨迹可用性方面,((κ,δ,l)-匿名模型与(κ,δ)-匿名模型相似；但安全性方面,(κ,δ,l)-匿名模型比(κ,δ)-匿名模型更安全。(2)提出抵制子轨迹链接攻击的(κ,δ,l)-匿名模型和(κ,δ,s)-匿名模型。其中,(κ,δ,l)m-匿名模型是针对连续子轨迹链接攻击,它要求发布数据中任一轨迹在其半径为δ的范围内至少包含其它k-1条轨迹,且该轨迹的任一长度不超过m的连续子轨迹能找到其它l-1条轨迹与其具有相同的连续子轨迹；(κ,δ,s)-匿名模型是针对任意子轨迹链接攻击,它要求发布数据中任一轨迹在其半径为δ的范围内至少包含其它k-1条轨迹,且与其相同的轨迹数不少于s-1条。为实现(k,δ,l)m-匿名模型和(κ,δ,s)-匿名模型,分别提出了m-NWA算法和Center-NWA算法。实验结果表明,在匿名轨迹的可用性方面,(κ,δ,l)m-匿名模型、(k,δ,s)-匿名模型与(κ,δ)-匿名模型相似,但安全性方面,(κ,δ,l)-匿名模型、(κ,δ,s)-匿名模型均比(κ,δ)-匿名模型、(κ,δ,l)-匿名模型更安全。