1.一种基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，包括：步骤A、中心匿名服务器初始化路网数据、兴趣点数据库、历史查询数据，并根据历史查询数据计算历史兴趣点查询频率；

步骤B、移动用户向中心匿名服务器发送LBS兴趣点查询请求；

步骤C、中心匿名服务器获取当前查询时间的历史查询数据，建立时空关联模型计算查询语义和位置语义之间的时间关联概率，定义关联熵构造当前时刻最优关联表；

步骤D、中心匿名服务器结合最优关联表、用户发起查询时所在兴趣点的历史查询频率以及用户个性化隐私需求，利用假位置生成方法生成匿名集合并重新排序匿名集合；

步骤E、中心匿名服务器将查询内容和匿名集合发送给LBS服务器；

步骤F、LBS服务器根据接收到的匿名集合和查询内容进行查询，并将查询结果发送给中心匿名服务器；

步骤G、中心匿名服务器根据用户精确位置将接收到的结果集进行过滤，并将相应查询结果返回给用户；其中，步骤C中时空关联模型的提出包括：

步骤C1、中心匿名服务器获取用户的历史查询数据；

步骤C2、中心匿名服务器根据查询请求的时间t，获取对应查询请求的时间段，并根据历史每个用户发起查询请求时的所在的位置uloct构造时空关联序列Ct；

步骤C3、中心匿名服务器根据时空关联序列Ct构造时空关联有向图Gt，计算查询语义与位置语义之间的时间关联概率。

2.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤B中用户发起的兴趣点查询请求qu用一个四元组表示；其中，uid为用户请求LBS兴趣点查询时的唯一标识符，t为发起查询的时间，uloct为用户在t时发起查询时所处在的兴趣点位置，qst为用户在t时查询兴趣点的语义，查询兴趣点的语义包括酒店、餐厅、医院、学校、公园和酒吧。

3.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C2中时空关联序列是指若在时间段[Ta,Tb]内，任一用户us分别在时刻ta和tb发起的两次相邻查询为qusta＝、qustb＝，其中Ta≤ta

联序列，其中Tn为时间段[Ta,Tb]的编号且Tn∈[0,1,...,23]。

4.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C3中当前时间段的时空关联有向图为Gt＝(V,E)，由时空关联序列C＝{Ct1,Ct2,...,Ct|C|}构成，包含一组顶点V和边E；每个顶点v∈V表示语义类别，每个顶点的出度表示时空关联序列中此位置语义Sloc到其它查询语义Qs＝{qs1,qs2,...qs|Qs|}的时间关联的次数NF＝{Nf1,Nf2,...,Nf|NF|}之和 其中，NF集合与Qs集合元素存在一一对应关系；每条边e∈E表示一个时空关联序列中此位置语义Locs到特定查询语义qsm(m∈1,

2,..,|Qs|)出现的次数Nfn(n∈1,2,...,|NF|)；

步骤C3中查询语义与位置语义之间的时间关联概率的计算为：如果顶点v的出度非0，即 位置语义和查询语义之间的时间关联概率为 否则，若 则Pt＝0。

5.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C中构建最优关联表包括：步骤C1’、将用户所处的位置语义放入最优关联表BSC；

步骤C2’、根据查询语义和位置语义的时间关联概率选择一个与最优关联表BSC中关联熵最大的语义放入到最优关联表BSC；

步骤C3’、重复执行步骤C2’直至最优关联表中元素个数达到用户自定义的最优关联表长度阈值dsem。

6.根据权利要求5所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C2’中关联熵用于描述当前查询时间段位置集合中位置语义与查询内容语义的不可区分程度；熵值越大，攻击者越难根据查询语义和位置语义之间的时间关联过滤位置集合；

给定一个位置集合Sloc＝{loc1,loc2,...,loc|Sloc|}和查询内容语义qs，若表示位置集合中的位置语义和查询内容语义之间的时间关联概率，则关联概率集合为 关联熵的计算公式为：

其中， 为位置语义和查询内容语义之间的时间关联概率的归一化处理。

7.根据权利要求5所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C3’中最优关联表阈值dsem由用户自定义，其中，S≤dsem≤ST，S为用户个性化隐私需求中假位置匿名集合至少包含S个语义类别，ST为整个路网空间包含的所有语义类别。

8.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤D中用户个性化隐私需求PR为：PR＝(K,L,S)，其中，K为匿名集合中的假位置的个数，L为匿名集合中假位置至少分布在L条路段上，S为匿名集合中的假位置至少包含S个语义类别。

9.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤D中假位置生成方法包括：步骤D1、初始化假位置匿名集合CR，当前路段集合CRL，当前的语义类型集合CRS；

步骤D2、将用户所在兴趣点位置uloct加入匿名集合CR，用户所在的位置语义加入当前的语义类型集合CRS中，用户位置所在的路段加入当前路段集合CRL中，并获得所在兴趣点位置的历史查询频率P(uloct)；

步骤D3、检测当前用户的匿名集合CR是否满足用户个性化隐私需求PR＝(K,L,S)；若不满足用户个性化隐私需求PR，执行步骤D4；否则，满足用户个性化隐私需求PR，匿名结束，返回匿名集合CR；

步骤D4、以网络扩展的方式扩展相邻路段，将相邻路段加入相邻路段集合NL中；

步骤D5、对于每一条相邻路段nle∈NL(e＝1,2,...,|NL|)，随机选取nle路段上历史查询频率在[P(uloct)‑δ,P(uloct)+δ]区间内，且满足语义多样性的一个兴趣点poi_i作为假位置；其中，δ为用户根据实际情况设置的判断历史查询频率相似的阈值，为兴趣点poi_i的语义，即在每条路段上随机选择一个历史查询频率相似但是语义类别不同且语义在BSC中的兴趣点作为假位置，并且在一条相邻路段nle上只选择一个兴趣点；并将Spoi_i加入到CRS，将该兴趣点所在的路段nle加入到CRL中，并将此路段nle从待扩展的相邻路段集合NL中移除；边选择边判断如下两个条件：条件一、当前语义类型集合CRS是否满足用户个性化隐私需求的语义类型数S；

条件二、当前路段集合CRL是否满足用户个性化隐私需求的路段数L；

若上述两个条件满足其一或都满足，则执行步骤D6；否则，返回步骤D4、步骤D5；

步骤D6、若满足条件一不满足条件二，执行步骤D7；若满足条件二不满足条件一，执行步骤D8；若两个条件都满足，执行步骤D9；

步骤D7、逐一选择相邻路段集合NL中的剩余相邻路段nle(nle∈NL,e＝el,el+1,el+

2,...,|NL|,el∈(1,|NL|])，随机选取每条路段nle上历史查询频率相似且语义在BSC中的一个兴趣点poi_j作为假位置直至满足条件二；

同时，若 则将其加入到CRS中，并将该兴趣点所在的路段nle加入到CRL

中，从待扩展的路段集合NL中移除该路段；若 则继续扩展相邻路段并选择满足用户个性化隐私需求的兴趣点作为假位置，直至满足条件二；若已满足条件二，执行步骤D9；

步骤D8、在当前路段集合CRL中的路段上选择历史查询频率相似且未选择的兴趣点poi_k作为假位置；其中，Spoi_k为兴趣点poi_k的语义且 Spoi_k∈BSC，直至满足条件一；若在当前路段集合CRL中没有满足用户个性化隐私需求的兴趣点，则继续扩展相邻路段寻找满足用户个性化隐私需求的兴趣点作为假位置，直至满足条件一，执行步骤D9；

步骤D9、若满足用户个性化隐私需求的假位置匿名个数K，则匿名结束，将匿名集合CR重新排序后返回；否则，在当前路段集合CRL中随机选择历史查询频率相似、语义在BSC中且未被选择的兴趣点作为假位置，直至满足用户个性化隐私需求，将匿名集合CR重新排序后返回。