针对现有差分隐私聚类位置保护方法存在初始值敏感、离散数据不合适、误差大等问题，提出了一种差分隐私模糊聚类位置保护方法。首先，通过高斯核函数将点映射到特征空间。由于核函数的计算量相对较小，计算效率得到了显著提高。其次，将差分隐私与改进的模糊C-均值相结合，使每组输入数据不再属于特定的类别，而是由隶属度表示。最后，本文将满足差分隐私约束的拉普拉斯噪声添加到聚类集中的质心点，以获得每个点的干扰位置，并使用干扰位置进行查询。实验结果表明，在保证位置隐私安全的前提下，隐私模糊聚类位置保护方法减少了查询错误，提高了算法的效率。