随着无线网络和定位技术的飞速发展,持有移动设备的用户在享受高质量的基于位置的服务(LBS)的同时也面临着隐私泄露的风险。传统的k-匿名方法可以在一定程度上保护快照LBS查询中的位置隐私,但在保护连续查询下的隐私方面存在不足。移动用户在LBS连续查询情况下的轨迹隐私问题已经引起了很多学者的关注。连续查询下的轨迹隐私保护框架可以分为两种结构:集中式和分布式结构。分布式结构能避免集中式结构面临的集中攻击和性能瓶颈问题,本文主要基于分布式结构对轨迹隐私保护问题进行研究,主要工作包括:(1)提出了基于协作的轨迹隐私保护方法及AIRP激励机制。该方法通过用户协作来提供LBS,减少了向LBS服务器发送真实查询的频率,防止LBS服务器端攻击者获取用户数据后,对用户数据进行分析挖掘,从而保护了用户的轨迹隐私。针对合作用户的自私行为,本文还提出了AIRP激励机制,通过对合作者的奖励和对背叛者的惩罚来激励用户的合作。实验表明带有激励机制的基于协作的轨迹隐私保护方法可以有效的扰乱用户的轨迹,防止攻击者识别目标用户,从而保护用户的轨迹隐私。(2)为了在保证用户轨迹数据可用性的同时保护用户的轨迹隐私,本文提出了使用评级协议的k~τ-匿名模型。该匿名模型可以保证目标用户在时间段内和6)个用户的轨迹不可区分,有效的抵御攻击者的关联攻击。为了鼓励用户合作,本文还设计了一个社会最优的评级协议对用户的服务质量评级,并给出了最优的推荐策略和最优值分析。实验用假查询率和匿名率来评价该匿名模型的性能,结果表明该匿名模型可以高效的完成轨迹隐私保护工作。