车辆是人们日常生活中必不可少的交通工具,近年来,车辆数量越来越多,车联网(IOV)系统随之产生。车联网涉及汽车、通信及互联网三大产业,是智能交通和自动驾驶的重要支撑技术之一。但是,车联网因其环境的特殊性可能产生交通拥堵、交通事故等威胁,车联网中无线通信网络的开放性使用户面临严重的信息泄露问题。为了解决这些隐私安全隐患,国内外专家对车联网的隐私安全问题进行了深入研究,目前已有的隐私安全保护方法有数据、身份及位置隐私保护方案。然而隐私保护往往制约着LBS服务质量,当节点获取的服务质量较差时,就会失去车联网中服务系统存在的价值和意义。因而如何实现隐私保护和服务质量的双赢是车联网领域的研究重点,只有为车辆节点及用户提供有效的隐私保护策略和服务,确保车联网的安全性和有效性,才能使其发挥正面作用,才有助于智能交通的发展,真正地实现车联网的价值。课题以实现位置隐私保护和提升LBS服务质量为目标,对车联网中的K匿名位置隐私保护方案展开研究,提出了基于车辆节点密度的K匿名隐私保护方案和基于虚拟车辆节点的K匿名隐私保护方案,达到了隐私保护目的,提高了用户服务质量。具体研究内容如下:(1)针对车联网中传统保护方案存在的匿名模糊区域较大及服务质量较差的问题,提出基于车辆节点密度的K匿名位置隐私保护方案,通过加入车辆节点密度这一参数,利用空间网格划分技术选择目标节点相邻的密集区域作为匿名域,使用最适匿名域算法和冗余处理方法实现尽可能的减小匿名域,从而达到隐私保护强度增强的目的,同时提高用户服务质量。(2)针对路况中车辆节点稀少造成的匿名成功率低的问题,提出基于虚拟车辆节点的K匿名位置隐私保护方案,将虚拟位置技术和圆划分技术相结合,筛选出最接近真实路况的虚拟节点,利用最适匿名域算法产生最适K匿名域,从而提高匿名成功率和用户服务质量。(3)使用移动模拟器SUMO和网络模拟器NS-3等软件搭建仿真平台并进行仿真实验,从匿名成功率、匿名区域面积等方面对仿真数据进行对比和分析,证明改进方案在准确性和稳定性方面均优于传统算法。