近年来,基于位置服务LBS的应用越来越广泛,这主要得益于智能手机上自带功能强大的位置传感器的普及。LBS的典型应用有:移动社交网络中查找附近好友,以及寻找离自己最近的加油站、医院或景点等。然而用户在享受这种位置服务带来的方便快捷同时,也要承担可能暴露自身隐私信息(如位置等)的风险,因此保护用户隐私安全成为必须面对的问题。目前,很多工作已经在诸如保护用户隐私信息方面取得了重大进展,但大多是集中于欧氏空间下的隐私保护技术。如K-匿名,空间泛化等。在欧氏空间下用户的移动方向是任意的,但实际情况中,用户往往是沿着特定的路线如道路移动的,这时以前的很多隐私保护方法将遇到问题。于是,路网环境下的LBS隐私保护问题被提了出来。在路网环境下,用户沿着特定的道路网络移动,这种情形下典型的隐私保护方法是K-匿名、L-多样化技术,即形成的匿名路段集必须满足至少有K个用户,并至少有L条道路。这种算法显然没有考虑路段边权分布问题。本文针对此问题提出了基于哑元的边权均衡算法。即在保证匿名集中各路段邻近性的同时,以生成哑元的方式均衡各边边权分布。这样既能最大程度降低查询代价,又能使边权分布不会太分散。在同等条件下,此算法在查询代价上优于贪婪算法GA,而且能有效防止边权分布不均引发的推断攻击。最后通过实验对比了贪婪算法GA、近邻算法NA和基于哑元的边权均衡算法DA的不同表现。实验显示,本文提出的算法DA能有效抵御由于边权分布不均造成的推断攻击。