各种基于位置的服务应用给人们的生活带来了巨大的便利,与此同时,用户的隐私问题也越来越受到关注。轨迹数据中含有用户的多种信息,攻击者能够从轨迹中发现用户的关系隐私。本文的目标是保护用户关系的隐私。本文提出的解决方案具有普适性,可以应用于有关用户关系的软件等,例如,微博和微信等App。本文是在轨迹数据的背景下提出了发现用户亲密关系的算法,并针对不满足隐私要求的亲密关系提出了相应的保护算法。(1)本文首先讨论如何衡量用户间亲密关系,并提出了计算用户亲密关系的算法(CUIA),算法中基于相似子轨迹,使用本文设计的衡量用户亲密关系的因素来计算用户间亲密关系,因素包括时间相似性、地点相似性和序列相似性,其中包含敏感时间和敏感地点,最后采用S-型函数归一化,得出用户间的亲密关系程度,算法能够较为准确的衡量用户间的亲密关系。(2)本文提出了用户关系隐私保护模型,kmn-匿名,该匿名模型能够较快的达到用户的隐私要求。基于匿名模型从关系图中发现不符合匿名要求的用户关系,并且在图结构中给需要保护的用户关系分为三类,分别是:单亲密关系、传递关系和多传递关系。(3)本文提出了保护用户亲密关系的算法,分别是全局泛化算法(GGA)和局部泛化算法(LGA)。全局泛化算法能够有效的保护用户的隐私,但同时也使得数据失真较严重,使得数据可用性较低;为了解决该问题,本文又提出了一种局部泛化的用户关系保护算法,根据上述三类不同的关系分别设计了减关系、加关系和添加假数据的不同的保护算法。用到的技术手段包括:时间泛化、地点泛化、时间扰乱、地点扰乱和添加假数据等方式。另外,本文针对个人保护和关系保护的匿名模型提出了两者的关联关系。(4)最后本文针对提出的算法搭建了实验环境,提出了算法的衡量指标,从数据可用性等方面对比分析本文提出的算法和其他算法。实验结果证明本文的算法是有效的。