随着室内定位技术的快速发展,室内位置服务将在未来几年成为一个热门行业,并将逐渐出现在日常生活中的各个角落。但在使用这些室内位置服务时所导致的隐私泄露是一个值得关注的问题,研究室内移动对象的轨迹隐私保护可以有效的解决这一问题,对室内位置服务的发展和推广具有积极的促进作用。本文以现有的室外轨迹隐私保护研究为基础,针对室内空间的特殊约束性,结合室内轨迹的频繁模式,研究了室内移动对象的轨迹隐私保护方法。挖掘室内轨迹频繁模式时需要采用网格划分的方法对轨迹进行预处理,针对网格划分中的网格边界问题,本文提出了一种基于模糊网格序列的轨迹频繁模式挖掘算法(VGS-PrefixSpan),VGS-PrefixSpan算法通过垂线投影距离将网格划分为准确区域和模糊区域来解决网格边界问题,将原始轨迹转换为模糊网格序列后再挖掘其中的轨迹频繁模式。实验结果表明VGS-PrefixSpan算法在同等面积比下,可以取得比VSP-PrefixSpan算法更好的挖掘效果并且具有更高的挖掘效率。考虑到室内环境中复杂多变的室内约束性以及攻击者可能掌握着背景知识,本文对短期泄露风险及长期泄露风险的计算公式进行了修改,并提出了一种基于轨迹频繁模式的假轨迹法(TFP-DT)来保护室内移动对象的轨迹隐私,TFP-DT算法通过结合轨迹频繁模式和历史轨迹信息来生成虚假轨迹,降低了虚假轨迹被识破的风险。实验结果表明TFP-DT算法可以较好的保护室内移动对象的轨迹隐私,同时TFP-DT算法生成的虚假轨迹也更加的满足室内约束性。针对单一类别的轨迹隐私保护算法的不足本文提出了一种混合的轨迹隐私保护算法(HTPPA),该算法将泛化法和假数据法进行有机结合,通过构造静态匿名区域并选择锚点作为查询位置来有效的解决室内约束问题,在构造匿名用户集时通过加入适量虚假用户的方法提高隐私保护的效果以及用户的服务体验。实验结果表明HTPPA算法能够以较小的中间服务器压力为代价给室内移动对象提供更好的轨迹隐私保护效果。