27、基于驻留点的差分隐私轨迹发布机制

基于驻留点的差分隐私轨迹发布机制

1. 引言

随着移动互联网和定位技术的飞速发展，我们的生活中产生了海量的轨迹数据。轨迹数据蕴含着大量的时空信息，对于服务运营商来说，分析轨迹数据可以满足与移动对象相关的各种应用需求，如个性化信息推荐；城市管理者则可以通过轨迹数据分析当前的交通流量，从而提供合适的交通控制解决方案。然而，轨迹数据可能包含用户的敏感信息，攻击者可以通过数据挖掘获取这些信息，例如用户的行为模式、生活习惯或兴趣爱好等。因此，如何在发布轨迹数据时保护用户隐私，同时保证数据的高可用性，是一个亟待解决的重要问题。

目前，具有隐私保护功能的轨迹发布方法主要包括泛化方法、伪造数据方法和抑制方法。但这些方法都需要假设攻击者的背景知识，并且难以用统一的指标进行衡量。差分隐私能够很好地解决上述方法的缺点，近年来成为了研究热点。不过，现有的研究大多侧重于保护单个时刻的位置信息，而轨迹是一种时间序列数据，即使每个时刻的位置都得到了保护，连续的轨迹仍然可能暴露用户隐私。为了解决这些问题，本文提出了一种基于驻留点的差分隐私轨迹发布机制（DPTPSP），旨在在相同的隐私保护水平下提高数据的可用性。

主要贡献

• 重要驻留点的选择 ：使用指数机制从轨迹中选择重要的驻留点，并将TF - IDF值作为效用函数，为每个驻留点分配相应的隐私预算。
• 噪声控制 ：通过采样相邻点之间的距离和角度，从二维拉普拉斯分布中生成添加到每个受保护驻留点的噪声，从而控制噪声以提高数据可用性。

2. 预备知识

2.1 轨迹和驻留点 </