基于位置的大数据服务在为公众提供前所未有便捷的同时,也引发了数据滥用、个人隐私泄露、商业机密被侵犯等诸多问题。借助差分隐私模型对划分结构对应范围内的大数据统计结果添加噪声,不仅可以降低可能存在的隐私风险,同时较好的保持了发布结果的统计特性。聚类作为数据挖掘的重要方法,特别适用于基于位置的大数据分布特性发掘和分析。本文将网格聚类方法应用于基于位置的大数据统计发布过程中,结合差分隐私模型实现基于位置的大数据统计划分发布与隐私保护。针对基于位置的大数据静态发布场景,提出一种网格聚类的差分隐私保护方法。首先,将位置信息所在的二维空间划分为大小相等的底层网格,并以网格为单位进行大数据统计信息计算,形成网格密度矩阵。然后,依据数据的具体分布对非空网格进行均匀性判断,并借助离散小波变换对均匀分布的网格进行密度分级。最后,对相同密度水平的邻域相似性网格进行聚类,并借助差分隐私模型对聚类后的统计结果添加拉普拉斯噪声形成发布数据。通过真实数据集的实验和分析表明,本文提出的网格聚类及差分隐私发布方法在范围查询精度和算法运行效率方面优于现有的其它划分发布方法。为了进一步实现合理的大数据动态统计发布并提高基于位置的大数据统计结果的可用性,提出一种基于自适应采样和网格聚类调整的差分隐私发布方法。设计了PID控制策略与数据变化差相结合的自适应采样机制,实现对数据发布间隔的动态调整。利用相邻发布时刻数据分布的高度时空相关特征,设计统计划分结构的网格聚类调整方法,显著加快了大数据统计发布算法的执行效率。改进传统的隐私预算分配策略,提出基于滑动窗口的大数据统计发布差分隐私保护方法,在实现连续统计数据发布和隐私保护的基础上提高了发布数据的可用性。通过真实数据集的实验和分析表明,本文提出的动态统计发布隐私保护方法在数据发布时刻的合理性、发布数据的可用性和算法运行效率等方面优于现有的其它方法。