A Safe Storage and Release Method of Trajectory Data Satisfying Differential Privacy
-
摘要: 近些年基于位置服务的软件便利人们生活的同时，也带来了隐私泄露的风险.针对这一问题，提出一种基于噪声前缀树结构的轨迹数据发布方法.首先根据轨迹时空特性构建轨迹等价类，利用Hilbert曲线对轨迹位置点进行划分，得到划分区域的中心点，将得到的中心点聚合成新的轨迹，因此达到减少空间复杂度的目的.然后构建前缀树，并将聚合的轨迹位置点存入到前缀树中，可以有效地提高查询效率.最后为了保护节点中存储的敏感信息，利用等差隐私预算分配方式对前缀树节点中数据添加Laplace噪声，保证轨迹数据的安全性的同时也提高了数据可用性.通过真实数据集实验对比已有的方案，验证了所提出的算法在保证数据隐私性的同时，也提高了数据可用性.Abstract: In recent years, although location-based service software facilitates people’s life, it brings the risk of privacy leakage. In order to solve this problem, we propose a trajectory data publishing method that is based on the noise prefix tree structure. In the first part, the trajectory equivalence class is constructed according to the space-time characteristics of the trajectory, and then the locus location points are divided by Hilbert curve to obtain the central points of the divided region. Finally, the obtained central points are converged into the new trajectory, so as to reduce the spatial complexity. The second part builds a prefix tree for storing location points according to the nature of the prefix tree, and stores the aggregated track location points into the prefix tree, which can improve query efficiency. In the third part, in order to protect the sensitive information stored in the nodes, this article will add Laplace noise to the nodes of the prefix tree, so that safer trajectory data can be released. Considering that the published data should be of high availability, this paper uses the arithmetic privacy budget allocation method to add Laplace noise to the node data, and limits the amount of noise by the threshold value of each layer, so as to finally publish trajectory data with high availability satisfying the differential privacy model. Through the experimental verification of real data sets, and comparing with the existing NTPT algorithm, our proposed TDPP algorithm is lower than the NTPT algorithm in different error values, and can provide better privacy protection. It is verified that the algorithm proposed in this paper improves data availability while ensuring data privacy.
-
Keywords:
- differential privacy /
- location privacy /
- Hilbert curve /
- prefix tree /
- trajectory data
-
-
期刊类型引用(20)
1. 马行坡，闫梦凡，闵洁，殷明. 一种基于“云-边”协同计算的新安全联邦学习方案. 信阳师范大学学报(自然科学版). 2025(01): 66-71 . 
百度学术
2. 白静，许建军，张龙昌. 随机供需云环境中应用提供商收益驱动的最优资源协同配置策略. 信息系统学报. 2025(01): 105-127 . 百度学术
3. 何涵，刘鹏，赵亮，王青山. 无人机任务卸载与充电协同优化. 工程科学与技术. 2024(01): 99-109 . 百度学术
4. 朱思峰，蔡江昊，柴争义，孙恩林. 车联网边缘场景下基于免疫算法的计算卸载优化. 吉林大学学报(工学版). 2024(01): 221-231 . 百度学术
5. 陈晶腾，陈芳. 分布式新能源接入的配电网降损技术研究. 自动化与仪器仪表. 2024(06): 291-295 . 百度学术
6. 白静，张龙昌. 云应用提供商收益驱动的最佳云资源配置策略. 计算机集成制造系统. 2024(07): 2495-2505 . 百度学术
7. 冯起，薛喜红，任龙，冯英. 考虑云端距离的科技服务边缘计算资源均衡调度算法. 自动化技术与应用. 2024(08): 95-98+104 . 百度学术
8. 纪雯，杨哲铭，王智，郭斌，沈博. 视觉端边云融合架构:面向超级智慧城市群演进的关键技术. 中国科学:信息科学. 2024(11): 2518-2532 . 百度学术
9. 赵璞，肖人彬. 基于自组织劳动分工的边云协同任务调度与资源缓存算法. 控制与决策. 2023(05): 1352-1362 . 百度学术
10. 唐续豪，刘发贵，王彬，李超，蒋俊，唐泉，陈维明，何凤文. 跨云环境下任务调度综述. 计算机研究与发展. 2023(06): 1262-1275 . 本站查看
11. 原静，孙骏. 基于边缘计算的智能电网数据调度与快速分发方法. 信息与电脑(理论版). 2023(06): 226-229 . 百度学术
12. 刘鲤君，丁红，祁鸿燕，杜丽华，孙艳丽，姜宁. PaaS架构后端管理平台的云边协同调度算法设计. 现代电子技术. 2023(16): 91-96 . 百度学术
13. 徐胜超. 基于混合蛙跳算法的容器云资源低能耗部署方法. 重庆邮电大学学报(自然科学版). 2023(05): 952-959 . 百度学术
14. 何卫刚，王晓敏. 多技术辅助的高可靠矿井通信网络框架. 陕西煤炭. 2023(06): 150-153 . 百度学术
15. 蒋伟进，孙永霞，朱昊冉，陈萍萍，张婉清，陈君鹏. 边云协同计算下基于ST-GCN的监控视频行为识别机制. 南京大学学报(自然科学). 2022(01): 163-174 . 百度学术
16. 周伟，谢志强. 考虑多工序设备权重的资源协同综合调度算法. 电子与信息学报. 2022(05): 1625-1635 . 百度学术
17. 李凌，陈曦，沈维捷，熊汉武，蔡冉冉. 面向电工装备智能监造的边缘缓存策略. 计算机与现代化. 2022(05): 61-67 . 百度学术
18. 关天柱. 基于随机优化的边缘网络任务资源协同传输调度机制. 长江信息通信. 2022(06): 59-61 . 百度学术
19. 邓勇琛，胡忠波，王素贞. 边缘计算环境下的任务调度综述. 河北省科学院学报. 2022(04): 1-7 . 百度学术
20. 王其朝，金光淑，李庆，王锴，杨祖业，王宏. 工业边缘计算研究现状与展望. 信息与控制. 2021(03): 257-274 . 百度学术
其他类型引用(28)
计量
- 文章访问数: 463
- HTML全文浏览量: 1
- PDF下载量: 273
- 被引次数: 48
下载:
