随着互联网的快速发展和移动终端的多样化和普及,用户地理位置信息与这些终端时刻进行交互。当这些数据被非法分子获取,通过对这些数据集进行分析和挖掘推理出用户的隐私信息,例如家庭住址、兴趣爱好等信息。因而用户在对数据集进行发布时对隐私数据的保护是一个具有挑战的热点问题。本文主要针对空间数据集的隐私保护问题开展研究,通过对现有的差分隐私保护模型和算法的综述和分析,指出在基于网格划分的空间数据集的发布中,依然存在一些改进的地方。在当前的研究中往往忽略了或者没有充分的考虑数据集的分布特征;从而导致在添加噪声阶段,没有考虑到数据集的隐私保护需求,往往添加统一规模的噪声,这样易产生较大的噪声误差,从而降低了数据集的可用性和查询精度,并且没有考虑到用户的查询粒度,在多层网格划分可能会产生较大的查询误差。本文针对上述问题提出了基于标准差圆半径的自适应网格划分模型,该模型充分的考虑了数据集的分布特征和用户的查询粒度,在添加噪声阶段根据不同分布特征的数据集网格按需的添加相应的噪声,在多层网格划分中通过过滤和分桶来降低噪声误差,并通过后置处理来提高范围查询的精度。论文的主要研究工作如下:(1)为了充分的考虑数据集的分布特征,进而寻找一种能够定量的对数据集分布特征进行描述。本文通过计算出网格划分后每个网格中数据集的标准差圆半径来描述数据集的离散程度,进而实现了定量的对数据集分布特征的计算。(2)为了实现隐私预算进行按需的分配,本文引入隐私保护需求力度概念,通过数据网格的标准差圆半径在当层数据层的所有数据网格的标准差圆半径之和的占比来表示其隐私保护需求力度,进而刻画数据网格的隐私保护需求,从而实现根据隐私保护需求按需的分配隐私预算,最终实现了不同分布特征的数据网格根据不同的隐私预算动态添加不同规模的噪声。(3)为了降低噪声误差和考虑用户的查询粒度,在多层网格划分中对网格进行过滤,如果网格的原始计数为0,则直接对其添加的噪声凑整为0;接着对网格进行分桶,将相似的单元网格分到同一桶中,根据每个桶的隐私预算对其进行添加噪声,从而降低噪声误差。最后,为了提高数据集的查询精度,本文提出一种后置处理方法,该方法通过约束处理操作来增强查询结果的精度。最终达到提高了数据集的可用性和查询精度的效果。(4)基于上述的理论,本文提出了基于标准差圆半径的自适应网格划分模型。通过实验对算法模型进行了性能对比验证。实验结果表明该算法模型能够有效的减少了相对误差,提高数据集的查询精度和可用性。