随着智能手机和社交网络应用的深入人心,基于位置服务(Location-based service,LBS)已成为移动互联网发展的一个重要组成部分,如人们使用自己的手机定位设备找出他/她想去的目的地位置,如餐厅、酒吧,然后利用GPS进行位置导航。然而,频繁的、连续的访问LBS服务器容易暴露用户位置信息,泄露个人隐私。LBS提供商也能够通过收集用户的位置信息来推测用户的的兴趣爱好、生活习惯等等,引发了用户位置隐私潜在的危险问题。为了解决用户的位置隐私问题,目前的典型方法是对用户位置进行模糊化,降低用户位置的分辨率,将基于位置的查询转换成基于区域的查询。本文主要对基于位置隐私保护的近邻查询的相关问题进行了研究,主要工作包括以下两个方面:1.提出了能够有效处理K最近邻的匿名查询算法。本文利用假地址方法存在的一些优点,提出了一种新的基于全假地址求K最近邻方法。该方法采用客户-服务器结构,利用贝叶斯模型对匿名请求进行处理,并建议一种高效的查询算法来提高查询性能。与已有的方法相比,该方法不仅能保护用户隐私,保证服务质量,还能大大节省传输带宽,减少服务器的处理时间,有极高的应用价值。2.提出了能够有效处理连续匿名查询的近邻查询算法。本文利用近邻信息在连续查询过程中存在局部更新的特点,提出了一种定时更新近邻关系的改进近邻查询方法。该方法通过设置一个定时器来动态更新邻域点与目标位置的近邻关系判决时间,而无需每次重新计算两者之间是否满足近邻关系,大大减少了计算量,提高了服务器端的处理效率。与已有的方法相比,该方法能够有效改善之前方法在连续近邻查询过程中存在处理速度较慢,反应延迟较大等问题。