位置定位服务技术作为一种全新的移动计算服务，在日常生活中应用广泛。一方面，数据信息共享极大地方便了人们的日常生活，另一方面也存在由于泄露个人敏感信息而产生的弊端，因此如何保护好位置数据是关键。由于位置数据具有价值高和低密度的特性，导致现有的隐私保护方法很难兼顾数据的保护和数据的效用性。基于差分隐私机制的位置数据隐私保护策略通过采用多级查询树的结构来查询和发布保护后的数据，并保持了数据项间的联系。首先构建多级查询树（位置搜索树），然后遍历查询树，使用差分隐私的指数机制来选取访问频率高的k项，最后通过拉普拉斯机制给选取的k项进行加噪。实验表明，相比于其他保护策略，基于差分隐私机制的位置数据隐私保护策略可用性和数据保护程度高，算法运行时间少，效率更高。

提出一种基于随机森林的差分隐私保护算法DiffPRFs，在每一棵决策树的构建过程中采用指数机制选择分裂点和分裂属性，并根据拉普拉斯机制添加噪声。在整个算法过程中满足差分隐私保护需求，相对于已有算法，该方法无需对数据进行离散化预处理，消除了多维度大数据离散化预处理对于分类系统性能的消耗，便捷地实现分类并保持了较高的分类准确度。实验结果验证了本算法的有效性以及相较于其他分类算法的优势。