随着网络技术的快速发展和智能手机、移动终端的广泛普及,基于位置的服务(LBS,Location Based Services)已经融入人们的生活,正在改变人们旧有的行动模式。人们在享受位置服务带来的各种便利的同时,另一个问题浮出水面来,那就是用户的隐私泄露问题,隐私泄漏给人们的人身财产安全带来了严重威胁。从2003年开始,学者们开始重视这个问题,对位置隐私保护技术展开了深入研究,并取得了 一系列丰硕的研究成果,然而一些问题的发生让学者们意识到仅仅对移动对象的位置隐私进行保护是不够的,在发起连续服务查询时,有蓄谋的攻击者能够利用其掌握的背景知识,通过推理攻击窃取到用户的个人隐私,如把用户在t1时刻和t2时刻的匿名框联系在一起与用户的最大速度做为背景知识时,通过最大速度攻击模型,攻击者能以较高的概率缩小用户所在位置范围,极端情况下用户的位置坐标会缩小为地图上的一个点。针对攻击者通过最大速度攻击模型推断出用户位置隐私的问题,本文以泛化法为基础,首先将用户所在区域内出行模式相同且查询终点在同一区域的用户划分成一个等价类;其次采用贪心圆形构造方法代替最小边界矩形将用户划分到一个圆形区域内;接着分析tj时刻用户的位置与ti时刻其所在匿名框的关系,提出一种MVA-Defence算法,该算法能够抵御从ti到tj时刻的最大运动速度攻击;最后通过对tj时刻的匿名空间进行调整,使得算法能够抵御从tj到ti时刻的最大运动速度攻击。轨迹k-匿名算法是在MVA-Defence算法的基础上进行了改进。因为很多查询服务到最后都可以转化为从当前位置到目标位置的导航,所以本文的主要目的是保护移动用户在使用导航服务时的轨迹隐私。仿真实验的结果表明MVA-Defence算法在匿名成功率、匿名代价和匿名延迟等方面与最大速度团算法相比各项性能明显得到了提升,同时验证了改进后的轨迹k-匿名算法在轨迹隐私保护方面的可行性和有效性。