本发明提出一种基于深度强化学习的三维空间LBS中位置隐私保护方法，涉及位置服务和信息安全领域。将三维空间进行分块，然后利用深度卷积神经网络捕获位置服务过程中的环境信息，动态选择位置扰动策略；结合迁移学习技术，利用相似环境下的三维位置扰动经验初始化神经网络参数，利用三维拉普拉斯加噪机制对用户真实位置进行扰动，从而使攻击者无法获得用户的真实三维地址，对确定的扰动后的扰动位置进行经验回收，将前后系统状态、扰动策略和对扰动的评价结果作为经验存储进经验池，不断优化用户的位置保护策略。该方法提高了用户敏感位置数据隐私安全，提高了三维空间位置服务系统下的用户位置隐私安全性能以及用户的服务质量。