当今互联网的广泛应用和移动设备的普及为人们的生活带来了显著的改观。每个移动设备的用户都蕴藏着大量的信息,每天在网络上会出现上亿次的数据交换和数据共享。然而这些数据会带来层出不穷的隐私泄漏。因此人们对于隐私保护方向的研究与互联网的探索是同步重视的。差分隐私保护手段是一种经严格定义的具备数学基础的模型。其隐私保护方式被广泛应用到各种互联网保护的领域中。本文主要研究基于差分隐私的空间数据隐私保护的改进方法,具体是提出了两种基于差分隐私的空间数据隐私发布算法。在根据原始保护方法的缺点提出对应解决方案后,针对先前提出的算法的缺点进行分析,并提出另一种不同的保护算法机制。最终在实现数据隐私保护的同时显著提高了数据发布后查询结果的可用性。本文首先提出一种基于差分隐私的选择性扰动自适应网格算法。该算法对空间数据集进行均匀加噪后,通过对数据集的分析选出特定的群集区域。因此第一层均匀网格加噪后,其结果会被数据集利用指数机制过滤掉小于阈值的网格单元,然后利用自适应的划分方法细化划分大于阈值的网格单元,消除了由于划分机制造成的隐私预算浪费。同时,使数据集避免了对不同分布进行同等噪声累计的不可控力,在实现隐私保护的情况下提高了数据的可用性。其次,在对第一个算法进行优缺点分析后,本文又提出了一种选择噪声累计算法。该算法对空间数据进行均匀网格划分后利用阈值筛选进行真值选择检测将原数据集分块,对满足阈值筛选条件部分的数据集进行自适应网格隐私保护,对不满足条件的部分向上整合成粗粒度数据集并进行隐私保护。该算法满足空间数据的分布多样性,确保对同一数据进行一次隐私保护,不仅对空间数据中分布密集区域进行进阶的相应保护措施,也对分布稀疏区域提出对应的保护措施,进而在保证隐私的情况下保证数据可用性。最后我们通过实验对比验证了我们方法的有效性。