人们的日常网络生活已离不开web搜索(网络搜索),web搜索能够帮助用户高效地查找网络信息。当用户进行web搜索时,搜索引擎会保存用户的搜索记录,并返回个性化查询结果,推送个性化广告。而恶意攻击者可能通过用户查询得到用户真实信息,对用户的数据和财产安全造成严重威胁。本文对web搜索隐私保护技术的研究现状进行了分析讨论,其中包括现有隐私保护方案,攻击模型及隐私度量指标等方面。在此基础上,本文实现了3种web搜索的隐私保护技术:·基于TrackMeNot的web搜索隐私保护增强方法一种名为TrackMeNot的浏览器插件通过自动发送虚假查询的方式混淆用户查询,掩盖用户的真实查询意图。然而这样的方式仍存在缺陷,已有一些工作试图找出TrackMeNot的不足,本文对TrackMeNot进行了两个改进,通过改进虚假查询的生成策略,可以有效降低聚类方法对真实查询的分类效果。并使用了真实的查询日志数据集进行实验,验证了改进效果。·基于全局查询概率的web搜索隐私保护方法一定范围的全局用户查询具有其分布特征,本文通过收集全局用户查询数据,将查询文本映射到二维空间并进行网格划分,计算二维空间中不同网格内的查询数量,得到全局查询概率分布,并结合k-匿名机制生成匿名查询集合。匿名查询集合保护了用户真实查询,搜索引擎服务商难以推测出用户真实查询,实验从信息熵的角度验证了本文方法的有效性。·基于个性化查询概率的web搜索隐私保护方法用户查询通常具有其个性化特征,符合用户的兴趣点,职业背景等信息。本文提出基于个性化查询概率的web搜索隐私保护方法,提取用户查询的个性化特征,选择符合其特征的锚点查询作为匿名查询集合,保护用户web搜索隐私。