Las redes sociales basadas en la ubicación han sido ampliamente utilizadas. Sin embargo, debido a la falta de gestión efectiva y segura de datos, ocurren comúnmente una gran cantidad de divulgaciones de privacidad. Por lo tanto, la academia y la industria han necesitado centrarse más en la protección de la privacidad de la ubicación. Este documento propone un novedoso método de ataque de ubicación utilizando múltiples opciones de fondo para inferir las ubicaciones ocultas de los usuarios móviles. Con el fin de estimar la posibilidad de que un usuario visite una posición oculta, se proponen dos modelos de ataque de ubicación oculta, es decir, un modelo de inferencia de ubicación oculta bayesiano y el modelo de inferencia de ubicación oculta basado en fusión de múltiples factores. Se consideran múltiples factores de fondo, incluidas las secuencias de check-in, la información temporal, las redes sociales de los usuarios, las preferencias de servicio personalizadas, las popularidades de puntos de interés (POI), etc., en los dos modelos. Además, también se proporciona un algoritmo de inferencia de ubicación oculta. Finalmente, se realizan una serie de experimentos en dos ejemplos reales de datos de check-in para evaluar la precisión del modelo y verificar la validez del algoritmo propuesto. Los resultados experimentales muestran que la fusión de conocimientos de múltiples fondos proporciona beneficios para mejorar la precisión de la inferencia de ubicación.