本书主要以基于位置的移动社交网络服务为主要研究对象，概述了如何在保证用户隐私安全的基础上，使用户享受到独特的个性化服务。本书提出了一种基于Skyline的区域对象时空查询优化算法，与使用朴素Skyline算子的算法相比，该算法的运行效率提高了一倍，从而为解决该类问题提供了一种新的思路。同时，针对查询条件的动态改变问题，本书也提出了两种动态更新算法，实验结果显示了这两种算法能够有效避免重复计算，极大地提高了二次查询的效率。

第一章 绪论
1.1 移动社交网络的前世今生
1.2 移动社交网络的隐私问题
1.3 移动社交网络的隐私保护关键技术
第二章 基于位置的社交网络服务的位置隐私保护框架
2.1 概述
2.2 理解位置隐私问题
2.3 案例分析
2.4 LaMOC系统实践与分析
2.5 LBSNS位置隐私保护框架
2.6 小结
第三章 基于位置的社交网络服务的位置隐私保护模型
3.1 概述
3.2 相关工作
3.3 敏感位置攻击模型
3.4 改进的K匿名位置隐私保护模型
3.5 KSTCM模型建模算法
3.6 实验分析
3.7 小结
第四章 基于位置隐私保护的LBSNS兴趣区域发现
4.1 概述
4.2 相关工作
4.3 广泛兴趣区域的发现方法
4.4 个人兴趣区域的发现方法
4.5 实验分析
4.6 小结
第五章 基于位置隐私保护的LBSNS社交关系预测
5.1 概述
5.2 相关工作
5.3 共同签到关系模型
5.4 共同签到关系的特征选取
5.5 基于KSTCM对象共同签到关系的社交关系预测
5.6 小结
第六章 基于位置隐私保护的多用户聚集时空查询问题
6.1 概述
6.2 相关工作
6.3 问题定义
6.4 基于Voronoi图的区域空间Skyline查询算法
6.5 动态更新算法
6.6 实验分析
6.7 小结
后记
参考文献