随着通信技术和定位技术的快速发展,基于位置的服务（LBS,location-based service）在人们的日常生活中应用的更加广泛。与此同时使用相关基于位置服务的用户由于需要提供位置信息来获取个性化的服务造成其位置隐私受到极大威胁。针对LBS位置隐私威胁,研究人员提出了多种位置隐私保护方法。目前,哑元匿名技术因其使用简单,服务质量高,隐私保护效果明显成为近几年位置隐私研究中的热门技术。在基于快照查询的位置隐私保护中,如果未对发起位置查询用户的历史查询概率为零的特殊情况进行处理,这些历史查询概率为零的位置可能是湖泊、沙漠、森林等一些无人区,当这些位置作为哑元时,攻击者结合背景信息易将其过滤。其次,匿名集的哑元位置如果在地理上不进行离散处理,就可能出现位置聚集的情况,攻击者可以通过对匿名集分类攻击等方式提高获取用户真实位置的概率。本文针对基于历史查询概率的哑元位置隐私中存在的攻击者通过零查询用户位置的特殊地理信息降低匿名度的问题和匿名集中多个位置距离太近导致隐匿区域太小和位置分布不均匀的问题,提出基于历史查询概率的K-匿名哑元选取算法（K-DLS,K-Anonymous Dummy Location Selection algorithm）,算法综合考虑了匿名集的位置离散度和零查询用户两个维度,增强了哑元匿名集的隐私性。算法基于用户历史查询概率,通过熵度量选择哑元位置,保障哑元匿名集取得最大的熵值;并根据距离对匿名结果进行优化,使构造的匿名集取得最大位置离散度。最后,通过仿真实验验证了该算法的有效性和可靠性。在基于连续查询的轨迹位置隐私保护中,当匿名集的查询内容完全一致时,攻击者通过获取相关信息,可以过滤一些不可能的哑元,造成用户隐私泄露。其次,用户特定的敏感信息查询标识如果没有进行处理,也会造成用户隐私信息的泄露。针对基于连续查询的位置服务当中存在的由于哑元轨迹匿名集查询内容一致和特定敏感信息造成的隐私泄露问题,在基于时间可达性和用户运动方向相似性两者约束条件下,利用历史查询概率构造合理的哑元轨迹匿名集。防止攻击者根据时间可达性和哑元轨迹与用户轨迹方向相似性识别出哑元轨迹,避免匿名集的隐私泄露。在保证生成合理哑元轨迹匿名集的情况下,根据下一时刻用户将到达的位置点的哑元匿名集,提取位置语义信息,为当前的哑元轨迹添加合理的查询内容。最后对算法进行了仿真验证,验证结果表明,算法能有效保护用户在连续查询下的轨迹位置隐私。