近邻检测是基于位置服务LBS(Location Based Service)中的重要功能,能够搜寻附近用户,该功能广泛应用于社交、商业、军事等各领域。现如今人们在享受位置服务的同时也更加重视隐私保护。由于近邻检测中搜寻附近好友的原理是基于对用户的定位,因此很容易涉及到位置信息等隐私的泄漏。因此多数近邻检测算法为保护隐私而大大增加了算法的时间复杂度,影响了检测效率。本文的研究目的是在保护用户位置隐私的前提下提高近邻检测算法的效率,提高服务的实用性。本文利用欧氏空间在LBS中能够模拟在时空数据库的实际情况且方便理论论证的优点,提出了欧式空间和公路网络模型下的近邻检测算法。本文综合考虑了欧氏空间和公路网络两种距离模型在理想环境和实际应用中相互结合的特点,发挥其各自优势。另外,本文最大程度地实现了用户位置隐私的保护。首先利用欧式空间的特点提出了基于隐私保护的近邻检测算法。该算法对被检测对象进行基于欧式空间的匿名方式处理从而保护其位置隐私,此外通过构造Voronoi单元对检测区域进行分割,且对可能结果集进行条件筛选来缩小检测的区域,从而提高了检测效率。之后通过仿真实验的具体数据对该算法与传统的近邻检测算法,就检测准确率、耗时情况等各项性能进行了对比。结果表明该算法在检测效率方面优于传统近邻检测算法,且能够有效地保护被检测对象的位置隐私。然后在此算法基础之上,针对公路网络能够更有效模拟实际对象的空间位置关系的特点,提出了基于隐私保护的公路网络近邻检测算法,对被检测对象进行基于公路网络的匿名方式处理防止隐私泄露。该算法通过扩展圆对二维检测平面进行分割,根据被检测对象在子区域中的分布情况进行筛选,再将被检测对象是其最近邻点的可能性值与既定阈值进行比较进一步过滤,最终检测出近邻点。此外通过仿真实验对该算法进行了数据测试,并且将结果与欧式空间近邻检测算法的性能进行对比,发现公路网络算法在效率和精确率方面都具有更好的优势。以上两种算法均较为有效地实现了检测对象的位置隐私保护。