随着智能移动设备的发展，位置隐私问题受到了学术界和业界的广泛关注。近年来，人们从不同的角度提出了各种各样的位置隐私定义来量化位置隐私，并比较了位置隐私保护机制。然而，这些定义存在一些缺点。在本文中，我们提出了一个离散位置信息的位置隐私度量，它改进了在差分隐私中可能持有背景知识的对手的前后分布之间距离的量化。此外，我们设计了一个非凸优化问题，并构造了一个近似最优的机制。我们通过与当前的定义（包括Shokri的不正确性、Andre的地理不可区分性和Dong的DPLO）的比较来评估我们提出的指标。我们还评估了基于上述现有定义的优化机制。我们分别在模拟数据集和真实数据集上进行了实验，结果表明我们提出的度量和机制具有一定的优势。

本研究由东南大学在本项目资助下完成，成果发表在国际会议CSCWD 2020上。