随着科技的进步与发展,大数据时代已经来临,人们获得了来自于大数据分析和应用所带来的便利的同时,因其带来的新的隐私威胁随之而来。其中位置隐私,因为其与用户的行为和当前的生活轨迹等具有很强的关联性,学术界针对位置隐私的保护研究愈发热烈。不少学者提出保护位置隐私的相关算法,然而在大数据时代下,攻击者具有极大背景知识的可能性越来越大,大部分基于匿名机制的隐私保护算法面对背景知识的攻击都显得力不从心。位置隐私安全正面临着巨大的威胁。差分隐私保护是一种针对背景知识攻击的强隐私性保护算法。目前针对自由空间数据集的差分隐私保护研究中,主要包含两种索引结构,分别是树形索引结构和网格索引结构,树形索引结构和网格索引结构都具有其独特的优势。但两种索引结构对于均衡查询效率和查询精度都存在着不足,然而大数据分析及应用对于隐私性,查询效率,查询精度都有迫切的需求。此外,网格索引结构在分布不均匀地情况下还存在着索引空间浪费的问题。基于此,本文研究了一种考虑自由空间数据分布特性的结合树形索引和网格索引优势的混合四分树索引和网格索引的混合索引结构Grid Index Based Quad Tree(简称GIBQT)。此外,针对网格索引划分在数据分布不均匀情况下网格索引的空间浪费问题,给出了优化网格索引方案Merge Grid Index(简称MGI)。通过三组不同分布特征的数据集进行了仿真实验,证明了GIBQT索引在查询效率和查询精度的均衡性上具有独特优势,同时也验证了MGI方案在解决稀疏网格导致的空间浪费问题上的有效性。本文的主要贡献有以下几点:(1)研究的GIBQT索引兼顾查询精度与查询效率。(2)给出的MGI方案,可以在分布不均匀的情况下,在保证查询精度的情况下,有效地解决网格索引空间浪费。(3)实现了一个提供满足GIBQT的差分隐私保护发布数据集生成的软件系统,该系统可以让用户自己通过调配参数,根据自身需求生成满足差分隐私保护的发布数据集。