Los servicios basados en la ubicación se han convertido en una parte importante de nuestra vida diaria, y aunque los usuarios disfrutan de servicios convenientes en Internet, también enfrentan el riesgo de fuga de privacidad. La k-anonimidad es un método ampliamente utilizado para proteger la privacidad de la ubicación, pero la mayoría de los esquemas de protección de privacidad de la ubicación de k-anonimidad existentes utilizan ubicaciones virtuales para construir zonas de anonimato, lo que tiene el problema de ser vulnerable a los atacantes a través del conocimiento previo, mientras que el esquema de k-anonimidad colaborativa mejorado no considera suficientemente si los usuarios colaboradores comparten atributos similares. Proponemos un algoritmo distribuido de preservación de la privacidad de la ubicación de k-anonimidad basado en puntos de interés y comportamientos sociales de los usuarios para resolver estos problemas en los esquemas de k-anonimidad existentes. El método determina la similitud de los usuarios por sus puntos de interés y comportamientos sociales y luego selecciona usuarios con alta similitud para construir un conjunto anónimo de usuarios colaboradores. Finalmente, para garantizar la distribución relativamente uniforme de los usuarios colaboradores, se utiliza un algoritmo de homogeneización para hacer que los puntos de ubicación anónimos estén dispersos lo más posible. Los resultados experimentales mostraron que nuestro algoritmo puede resistir eficazmente los ataques de fondo, y los puntos de ubicación anónimos distribuidos uniformemente pueden lograr regiones anónimas de mayor calidad.