随着移动互联网的发展,基于位置服务的应用给人们的生活带来了便利。社交网络中由于位置数据发布和显性社交关系而导致的位置隐私泄露问题引起了人们的重视,研究位置数据发布时位置数据保护,对于保障位置数据的安全具有重要的意义。在位置数据离线发布的场景中,由于假设位置之间独立性,现有的位置隐私保护方法应用于真实世界的数据集时将暴露比预期更多的位置隐私信息。社交网络中好友间的双向关注关系（即显性社交关系）说明社交网络中用户之间是相互关联的,攻击者利用显性社交关系对用户位置进行攻击,导致隐私泄露。基于上述考虑,设计了基于显性社交关系的位置隐私保护模型（Relationship-Based Location Protection,RBLP）。针对现有的隐私保护方法中用户相关性度量不考虑显性社交关系的问题,定义了用户亲密度,融合社交影响,使用显性社交关系和位置度量社交网络中用户之间的亲密程度。针对显性社交关系导致的位置隐私泄露问题,提出临近区域选择机制和基于亲密度的位置选择机制,使用差分隐私技术对位置数据进行扰动,消除具有显性社交关系的用户之间的位置相关性。在两个不同的数据集上与轨迹差分隐私方法、n元语法差分隐私模型两种保护方法进行对比,实验结果表明:在相同的隐私预算下,RBLP生成的位置数据相比另两种方法具有更好数据可用性。