随着移动设备的普及、无线网络的发展和导航定位技术的提高,基于位置服务(Location Based Services,简称LBS)成为人们生活的一部分。然而,在LBS带来便利的同时也将可能泄露个人隐私。用户在发出兴趣点查询时直接暴露位置信息和查询信息,这些数据的整合可能导致家庭住址、政治背景以及疾病等隐私信息的泄露,从而给用户带来严重后果。位置隐私保护方案大多难以平衡位置保护和查询质量,因而在保护位置隐私时如何提高查询服务质量是研究的重点。为了避免中心服务器的不可靠和易受攻击性带来的问题,本文基于无中心服务器结构模型进行相关研究,主要研究内容和取得的成果如下:1.针对增量近邻查询算法在k兴趣点查询时返回结果准确性不高等问题,借鉴均衡增量近邻查询思想,提出了一种改进的代理服务k兴趣点查询位置隐私保护算法(AgIKNP)。首先,借鉴代理查询和位置泛化思想,既避免了用户和位置服务器的直接联系又避免了代理不可信带来的位置暴露问题。为了减少通信开销,通过分布直方图进行通信成本估算确定锚点的位置。其次,在代理服务的结构模型中引入均衡增量近邻思想,有选择性地扩大供应空间,提高查询结果的准确性。2.针对代理用户的不完全可信性,引入k-匿名模型,提出了一种改进的代理查询的位置隐私隐私保护算法(kAgPrivacy)。借鉴区域泛化和k-匿名思想,首先将查询用户的位置进行泛化,保证泛化区域中至少含有k个用户,再将泛化区域发送给代理用户,降低其对查询用户的识别率。同时借鉴了增量近邻查询算法保证了查询结果准确性,采用Voronoi图技术进行查询返回结果过滤,减少系统通信开销。