论文部分内容阅读
持有移动设备的用户产生的位置数据,对于群智感知应用,如城市规划,智能传输系统等具有极大的价值。但是,用户上传位置数据,会引起隐私泄漏问题。传统的隐私保护模型,如k-匿名,许多研究工作表明其无法提供足够隐私保护。而差分隐私作为统计数据库里的一种形式框架,因为能量化用户隐私保护水平,隔离用户背景知识,近些年成为主流的隐私保护模型。本文基于差分隐私保护模型,对不同应用场景下的用户位置数据进行研究,主要工作如下:(1)为保护签到场景中的用户位置隐私,同时激励更多用户参与签到,提出具有个性化隐私保护功能的激励机制。该机制利用差分隐私方法对签到数据中的时间和位置信息进行扰动。同时,为提高签到数据质量,设计了基于数据质量的奖励策略,根据签到用户的签到数据质量计算奖励额。实验表明所提出的签到激励机制可以在保护用户隐私的同时,较好地保证了签到数据的质量。(2)针对位置统计数据发布过程中隐私问题,提出一种基于Staircase机制加噪的差分隐私二维空间发布方法Staircase-Ugrid。该方法利用线性最小二乘拟合非均匀误差与查询交叉面积的关系,量化两类误差;同时,为减小差分隐私扰乱添加的噪音量,采用了最优加噪机制Staircase机制。实验表明:所提出的二维空间发布方法在查询误差以及时间效率上,作出了较好的权衡。(3)针对现有轨迹融合发布方法效率低、添加噪音量过大问题,提出一种基于Staircase机制加噪和k-means||聚类的轨迹融合发布方法。首先,为满足不同隐私保护需求,对轨迹融合过程进行改进,提出了两种基于k-means||聚类的轨迹融合方案。然后,对重构轨迹计数加噪机制进行改进,提出一种约束Staircase机制的计数加噪方式,提高轨迹数据发布的有用性。理论分析和实验比较表明,我们提出的轨迹融合发布方法在数据效用和效率方面明显优于现有方法,同时满足差分隐私保护要求。