随着汽车工业的发展和私家车的普及，道路拥堵、交通事故等交通安全问题日益增多，作为智能交通系统(ITS)重要组成部分的车辆自组网就是在这样的背景下提出的。车辆自组网中随时随地的位置服务功能在解决道路安全问题、为驾乘者提供便捷服务的同时，也带来了相应的隐私保护问题。　　 本文总结车辆自组网中的隐私保护内容，在分析现有的主要位置隐私保护技术的基础上，提出一个基于车辆隐私级别分类的安全框架，形式化分析和证明其中车与车(V2V:Vehicle to Vehicle)通信协议的隐私保护性能，仿真车辆在城市道路上的V2V通信过程，并对隐私级别分类的方法进行研究，提出基于KNN的混合多距离度量加权多分类器集成方法，并且设计完成相应的实验。本文的主要研究工作如下:　　 (1)系统分析车辆自组网的假名和签名2类隐私保护技术，其中假名方案分为基于特殊地形、基于安静时段、加密mix-zone和mix-zone通信代理;签名方案分为数字签名、群签名、环签名。继而针对隐私保护水平的高低，分析了匿名集合、熵度量、数学理论分析和形式化证明几类主要的位置隐私度量方法，并对其各自的特点和使用频度进行总结。　　 (2)提出一个基于隐私级别分类的车辆自组网安全框架，对VANET中的车辆按隐私级别进行归类，从隐私保护、组内消息共享和数据安全3个方面对框架进行设计，从而提高认证性、不可否认性，达到有针对性地保护隐私，减少通信延迟，提高隐私保护效率的目的。给出V2V通信过程的Applied Pi演算形式化描述，并且在此形式化基础上，证明了通信协议的前向安全性和不可跟踪性。　　 (3)采用VanetMobiSim工具模拟车组网在城市道路上的运动场景，在前一章通信协议的基础上，通过NS2平台仿真V2V通信过程中的认证时间与认证效率，并在不同车速条件下与V2I通信过程进行比较。分析认证的效率，证明通信协议的有效性。　　 (4)提出一个基于多混合距离度量的分类加权集成的方法，针对KNN多分类器集成，结合曼哈顿距离、欧氏距离、切比雪夫距离，设计混合距离度量加权方法，使用加权投票组合规则集成各分类器的输出结果。实验表明，与单一的度量方法相比，该方法鲁棒性较好，分类正确率较高。