具有全球定位功能的移动设备允许用户在其位置附近检索与自己相关的兴趣点(POI)。由于详细的位置信息能关联出用户的生活方式、政治倾向、宗教信仰、健康状况等隐私信息,为了保护用户隐私,使其精确的位置坐标不暴露给具有位置服务的不可信第三方平台是至关重要的。差分隐私保护不需要考虑攻击者所掌握的任何背景知识,且它建立在坚实的数学基础之上,对隐私保护也进行了严格的定义并提供了相关量化评估方法,可以明显增强隐私保护处理结果的可靠性,因而近几年被学者广泛研究。而地域模糊性作为一种新性的扩展模型,具有极高的学科前沿性。本文首先研究了优化地域模糊性和质量损失之间的权衡问题,即在地域模糊性中给定某个阈值和先验,通过改进shokri提出的最优机制,设计构造支撑图及支撑图算法,使计算仅考虑兴趣区域边界而非每对位置的地域模糊约束,并引进线性规划问题,使约束数量从立方倍减少到平方倍,有效地减少线性约束数量,实现最小化服务质量损失,从而达到更好的隐私保护。其次,在此最优机制中研究了地域模糊性在实践中的有效性,即保护用户兴趣点的能力。通过设置参数对提取兴趣点算法进行改进,之后分别在两个数据库中进行实验仿真。对于每位用户的移动轨迹,通过时空群集算法来识别其兴趣点,并将推测出的兴趣点作为真实兴趣点来研究,然后在改进后的机制中模糊移动轨迹,并认为此信息就是攻击者所收集的信息。接着在模糊后的轨迹中运用同样的群集算法推测模糊后的兴趣点。最后,本文设置一组度量指标来衡量保护用户兴趣点的能力。这些度量是:攻击者能够推测出真实兴趣点的数量(推测精确度)、真实兴趣点和模糊兴趣点间的物理距离(实际距离)、邻近的真实兴趣点和模糊兴趣点间的相似性(语义相似性),并分别对模糊前后攻击者能够推测出的兴趣点数量、实际距离、语义相似性、推测精度等做了对比分析。实验结果表明,该方法无论在运行时间或者精度方面都存在明显优越性,从而保证享受服务与服务质量损失之间的权衡。