基于统计差分的轨迹隐私保护

朱维军; 游庆光; 杨卫东; 周清雷

doi:10.7544/issn1000-1239.2017.20160647

基于统计差分的轨迹隐私保护

¹(郑州大学信息工程学院郑州 450001)
²(河南工业大学信息科学与工程学院郑州 450001) (zhuweijun@zzu.edu.cn)

基金项目: 国家重点研发计划项目(2016YFB0800100)；国家自然科学基金项目(61202099，U1204608，U1304606，61572444)；中国博士后科学基金项目(2015M572120，2012M511588)

详细信息

中图分类号: TP309
计量
- 文章访问数: 1393
- HTML全文浏览量: 7
- PDF下载量: 770
出版历程
- 发布日期: 2017-11-30

Trajectory Privacy Preserving Based on Statistical Differential Privacy

¹(School of Information Engineering, Zhengzhou University, Zhengzhou 450001)
²(College of Information Science and Engineering, Henan University of Technology, Zhengzhou 450001)

摘要

摘要: 随着车联网不断地发展,车联网为驾乘者提供便捷服务的同时，也带来了相应的隐私保护问题.轨迹数据发布将可能泄露用户位置隐私,从而危害用户人身安全；为改变已有差分隐私保护方法中添加随机噪音的弊端，提出一种基于统计差分隐私的轨迹隐私保护方法.车辆行驶轨迹具有Markov过程的特点，根据车辆轨迹的特征计算轨迹中位置节点敏感度；并根据位置敏感度，统计阈值和敏感度阈值添加适量Laplace噪音；使用平均相对误差评价轨迹数据的可用性大小.实验证实了基于统计差分隐私的轨迹隐私保护方法的可用性和有效性.
- 轨迹数据 /
- 差分隐私 /
- Markov过程 /
- 数据发布 /
- 隐私保护
Abstract: With the continuous development of Internet of vehicles, Internet of vehicles provides the convenient services to drivers and passengers. But it also brings some new problems of privacy protection. The existing methods for trajectory data publishing may leak users' location privacy. Thus, it may endanger the users' personal safety. In order to avoid the drawbacks of adding random noise in the existing methods for differential privacy protection, we propose a novel method for trajectory privacy protection based on statistical differential privacy. At first, one can calculate the sensitivity of position nodes in vehicle traces according to the characteristics of traces since there are some characteristics of Markov process in vehicle traces. And then, one can add some moderate Laplace noises according to the sensitivity of position nodes, statistical threshold and sensitivity threshold. As a result, the new method is obtained. Evaluating the availability of the trajectory data through the average relative error, the experimental results verify the availability and effectiveness of the proposed approach for privacy preserving based on statistical differential privacy.
- trajectory data /
- differential privacy /
- Markov process /
- data publishing /
- privacy protection

HTML全文

参考文献(0)

施引文献(14)

期刊类型引用(9)

1.	郭豆豆，徐伟华. R-FCCL：一种面向高维数据的稳健模糊概念认知学习方法. 计算机研究与发展. 2025(02): 383-396 . 本站查看
2.	刘彧轩，廖宇晨，刘忠慧. 单条件三元概念构建及其融合推荐应用. 计算机与现代化. 2024(07): 1-6 . 百度学术
3.	李金海，王坤，陈强强. 三元概念的分布式并行构造算法. 模式识别与人工智能. 2024(10): 873-886 . 百度学术
4.	王霞，全园，李俊余，吴伟志. 三元概念的增量式构造方法. 南京大学学报(自然科学). 2022(01): 19-28 . 百度学术
5.	刘忠慧，赵琦，邹璐，闵帆. 三元概念的启发式构建及其在社会化推荐中的应用. 计算机科学. 2021(06): 234-240 . 百度学术
6.	李金海，贺建君，吴伟志. 多粒度形式概念分析的类属性块优化. 山东大学学报(理学版). 2020(05): 1-12 . 百度学术
7.	李俊余，李星璇，王霞，吴伟志. 基于三元因子分析的三元概念约简. 南京大学学报(自然科学). 2020(04): 480-493 . 百度学术
8.	李金海，魏玲，张卓，翟岩慧，张涛，智慧来，米允龙. 概念格理论与方法及其研究展望. 模式识别与人工智能. 2020(07): 619-642 . 百度学术
9.	王霞，谭斯文，李俊余，吴伟志. 基于条件属性蕴含的概念格构造及简化. 南京大学学报(自然科学). 2019(04): 553-563 . 百度学术