En los últimos años, las redes sociales basadas en la ubicación se han vuelto populares, y se ha generado una gran cantidad de datos de trayectoria espacio-temporal. Aunque estos datos tienen un valor significativo para la minería, también representan una gran amenaza para la privacidad de los usuarios. En la actualidad, muchos estudios han logrado mecanismos de preservación de la privacidad de datos de ubicación en redes sociales en términos de utilidad de datos y preservación de la privacidad, pero raramente alguno de ellos ha considerado la correlación entre marcas de tiempo y ubicación geográfica. Para resolver este problema, en este artículo, primero proponemos un mecanismo basado en la -anonimato para ocultar el segmento de tiempo específico del usuario durante un solo día, y luego proponemos un mecanismo optimizado de Laplaciano truncado para agregar ruido a cada cuadrícula de datos (la frecuencia de datos de tiempo) de la distribución de tiempo anonimizada. Los datos de tiempo después del procesamiento secundario son difusos e inciertos, lo que no solo protege la privacidad de la ubicación geográfica del usuario desde la dimensión del tiempo, sino que también conserva un cierto valor para la minería de datos. Experimentos en conjuntos de datos reales muestran que el modelo de preservación de la privacidad tiene una buena utilidad.