随着移动互联网与定位技术的快速发展,智能移动终端快速普及,用户能够非常便捷地获取各类基于位置属性的服务（Location-Based Service,LBS）。在我国,LBS便有数百亿规模的应用市场,如新浪微博、美团等应用。LBS是基于用户的位置信息开发出的一整套服务体系,用户使用LBS时,必不可少地需要上传自身的位置信息与内容信息。LBS查询信息中不仅直接包含了用户的行踪轨迹,还隐含了用户的日常行为规律,如家庭住址、兴趣偏好与身体状况等隐私信息。因此,将这些信息直接泄露给不可信的第三方（服务提供商）,可能会打开滥用个人隐私数据的大门,给用户隐私带来严重威胁。针对上述问题,本文首先分析了LBS查询中的信息是如何被攻击者处理与使用的,以便从总体上指导如何对LBS查询中的信息进行保护。LBS查询主要被以下两种攻击者攻击:1)在线攻击者,攻击者利用实时路况拥挤程度、地图信息与天气状况等与特定用户无关的在线信息,攻击经过隐私保护方法处理后的LBS查询,以期能够发现用户的真实LBS查询。2)离线攻击者,攻击者以离线的方式对用户的LBS历史查询数据进行数据挖掘,以期能够发现用户在使用LBS过程中的行为规律,从而利用用户行为规律识别出用户的真实LBS查询。本文从不同攻击者对LBS查询的攻击特点出发,有针对性地对基于位置属性的服务隐私保护框架及其涉及的方法展开了相关研究工作,本文的研究工作主要包含以下几个方面:1)为提高隐私保护方法在面对不同类型攻击者时隐私保护效果的期望值,本文利用κ-匿名理论,构建了一个基于位置属性的服务隐私保护框架。该框架可灵活切换不同的隐私保护方法以对抗不同类型的攻击者。具体而言,框架自下而上分为四层:定位技术层、移动客户端、通信网络层与基于位置属性的服务提供商。定位技术层负责为移动客户端提供实时位置;移动客户端是整个框架的核心,隐私保护中间件部署在移动客户端,为LBS查询执行不同的隐私保护方法,以此对抗在线或离线攻击者;通信网络层提供移动客户端与服务提供商之间的通信服务;基于位置属性的服务提供商负责处理查询请求。2)为提高隐私保护方法对LBS查询的在线保护效果,本文提出了基于位置属性的在线服务隐私保护方法,该方法利用了LBS查询中位置信息与内容信息的关联性。具体而言,该方法首先使用以往的哑元保护方法,产生内容信息为空的哑元LBS查询,然后考虑位置信息与内容信息的关系,对多个内容信息进行语义相关度筛查,最后组合成哑元LBS查询。当用户进行连续查询时,该方法对连续哑元LBS查询进行出入度检查与语义相关度检查,从而为用户提供κ-匿名隐私保护效果。基于真实数据集GeoLife的实验表明,本文提出的方法相较对比方法,在抵抗在线攻击者时,隐私保护效果表现更优。3)为提高隐私保护方法对LBS查询的离线保护效果,本文提出了基于位置属性的离线服务隐私保护方法,该方法利用了长期（超过30天）LBS查询中蕴含的用户行为规律。具体而言,该方法通过基于路网距离的层次聚类算法对用户查询请求进行聚类,发现用户的频繁区域（用户经常发起查询的区域,如家、公司等场所）,为用户产生哑元频繁区域。对于用户单次LBS查询,考虑用户请求是否位于频繁区域,产生哑元LBS查询;对于用户连续LBS查询,则执行连续哑元LBS查询之间的时间可达性检查。基于真实数据集GeoLife的实验表明,本文提出的方法相较对比方法,在抵抗离线攻击者时,隐私保护效果表现更优。