作为未来智能交通系统的重要组成部分,车联网(Internet of Vehicle,IOV)不仅能够提高交通效率,减少交通事故的发生,同时,随着互联网技术以及5G通信技术的迅猛发展,车联网还可以提供娱乐和信息资讯等多方面的服务,极大地丰富和提高了车联网用户的使用体验。随着我国2017年9月《车联网白皮书》的发布,车联网已经成为国内外新一轮科技创新和产业发展的必争之地,进入产业爆发前的战略机遇期,引起了学术界和产业界更为广泛的关注。然而,由于车联网中车辆的位置是可被感知的,车辆的位置隐私极易受到威胁。因此,车联网必须提供有效的隐私保护方案和相应的隐私评估方法。近年来,随着技术的不断发展,传统的隐私评估体系已经不能很好地衡量隐私保护机制对车辆隐私的保护程度。同时,传统的隐私保护机制也面临着严峻地挑战。因此,设计更加精确地隐私评估系统和更加有效的隐私保护方案是非常必要的。本文针对车联网在位置隐私保护方面所面临的实际问题,在隐私保护机制的设计和评估方面进行了初步的研究和探索,提出了一些自己的想法。主要工作包括以下几个方面:(1)针对目前车联网领域最常用的“混合区”隐私保护方案,设计了一种更加准确的基于车辆跟踪的混合区评估方法。通过分析传统车辆跟踪方案的不足,结合影响车辆在混合区内行驶特征的多方面因素,设计了基于人工神经网络的车辆行驶时间预测模型,并将此模型应用于车辆跟踪,提高了跟踪效果。(2)深入分析车辆各行驶要素与车辆通过混合区的时间之间的关系,结合各行驶要素与车辆通过混合区时间的不同关系,针对性地对神经网络的结构进行调整和改造,得到了定制的神经网络预测模型,在实际跟踪中取得了比标准神经网络模型更好的效果。(3)针对以上两种车联网位置隐私评估方案,设计了一种更合理的混合区模型:基于随机静默区的混合区模型,并综合运用现有的位置隐私评估方法设计专门的车辆跟踪方法,对其隐私保护效果进行评估。结果证明,基于随机静默区的混合区模型可以在损失一部分通信功能的条件下,明显降低各种跟踪方法的跟踪成功率,有效地提高了混合区的隐私保护效果。