امروزه حجم انبوهی از داده¬های مسیر حرکت افراد و اجسام از طریق اتصال به اینترنت به طور پيوسته و جرياني تولید و ذخیره می¬شود. تجزیه و تحلیل و استخراج دانش از داده¬هاي مسير به¬روز می¬تواند برای پشتیبانی برنامه¬های مختلف اشیاء درحال حرکت و تحليلگران مفید باشد. از سوي ديگر به دليل اينکه داده¬هاي مسير داراي ابعاد بالايي است و در بسياري موارد پس از گذر زمان ممکن است جذابيت و اعتبار خود را از دست بدهد بنابراين انتشار داده¬هاي جرياني مسير مورد توجه است اما، انتشار داده¬های مسیر حرکت اجسام مخاطره¬آمیز است. در این مقاله برای حل اين مشکل، راه¬کاري براي گمنام¬سازی داده¬های جریانی مسیر بر اساس مدل حريم خصوصي k-گمنامي و l-گوناگوني ارائه شده است. داده¬های مسیر درون پنجره¬های لغزان بصورت پویا بروزرسانی می¬شوند. براي مقابله با داده¬هاي با ابعاد بالا ترکيب زمان و مکان، و افزايش کارايي در روش پيشنهادي هر مسیر درون یک پنجره به یک رشته بیتی نگاشت می¬شود. سپس براي گروه¬بندي مسيرها يک الگوريتم حريصانه ارائه شده است که براساس معيار و شاخص تفاوت با ساير مسيرها که با استفاده از عمليات بيتي بر روي رشته¬هاي متناظر بدست مي¬آيد، مسيرها را در گروه¬هايي که نيازمندي¬هاي k-گمنامي و l-گوناگوني برآورده شده باشد، تقسيم مي¬کند. و براي هر گروه يک مسير برگزيده منتشر مي¬شود. نتایج شبيه¬سازي نشان می¬دهد که روش پیشنهادی با برآورده کردن نيازمندي¬هاي حريم خصوصي به¬طور قابل توجهی زمان اجرا و اتلاف اطلاعات ناشي از گمنام¬سازي را در مقایسه با روش¬های موجود کاهش داده است.