CN113934945A - 面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质 - Google Patents

面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质 Download PDF

Info

Publication number
CN113934945A
CN113934945A CN202111211334.XA CN202111211334A CN113934945A CN 113934945 A CN113934945 A CN 113934945A CN 202111211334 A CN202111211334 A CN 202111211334A CN 113934945 A CN113934945 A CN 113934945A
Authority
CN
China
Prior art keywords
track
trajectory
poi
category
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111211334.XA
Other languages
English (en)
Inventor
曹东亮
魏凯敏
冯丙文
余侨宾
李星政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan University
Original Assignee
Jinan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jinan University filed Critical Jinan University
Priority to CN202111211334.XA priority Critical patent/CN113934945A/zh
Publication of CN113934945A publication Critical patent/CN113934945A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质。该方法包括对用户的初始轨迹T0进行停止点搜索，获得停止点；采用类别距离优先法或马尔科夫矩阵法获得POI；使用获得的POI替换停止点，得到混淆轨迹T1；以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。本发明采用停止点混淆技术、类别‑距离优先法和马尔科夫矩阵，利用已有的POI信息和停止点搜索技术对用户的轨迹进行混淆，根据类别和概率判断来选择用于替换停止点的最佳POI，降低匿名后的轨迹效用损失，实现了面向语义的轨迹隐私保护。

Description

面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、 系统及介质
技术领域
本发明属于轨迹隐私保护的技术领域，具体涉及一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质。
背景技术
k-匿名是一种广泛使用的隐私保护模型。该模型确保数据的唯一信息与至少其他k-1个数据信息无法区分。在轨迹隐私保护中，k-匿名方法从几个相似的轨迹中合成新的匿名轨迹。这类方法通常涉及聚类技术，需要大量的计算资源，因此很难在大型数据集上运行，同时也忽略了轨迹数据携带的语义信息。相比k-匿名方法，基于虚拟的隐私保护方法需要较少的计算资源，并且可以适用于稀疏或密集的轨迹数据集。通过这类算法，数据提供者可以生成大量的虚拟轨迹来保护用户的真实数据，可以满足许多应用场景的隐私要求，但大多数没有考虑轨迹的语义信息，因此匿名化将导致显著的效用损失。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质，用户可以根据自己的隐私需求对自己所在的位置进行隐私保护，从而防止恶意用户的攻击。本发明不需要大量的计算资源，同时能够大限度的保留位置的语义信息，从而最小化隐私保护后的位置效用损失。
为了达到上述目的，本发明采用以下技术方案：
本发明的一个方面，提供了面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，包括下述步骤：
对用户的初始轨迹T0进行停止点搜索，获得停止点；
采用类别距离优先法或马尔科夫矩阵法获得POI；
使用获得的POI替换停止点，得到混淆轨迹T1；
以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；
以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。
作为优选的技术方案，所述对用户的初始轨迹T0进行停止点搜索，具体为：
初始轨迹T0表示为：T0＝{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn),Ui}；其中(xn,yn)为定位点，tn为时间戳，Ui是用户标识符；
设定距离阈值distThreh和时间阈值timeThreh；
对于任意两个相邻的坐标点(xi,yi,ti)和(xj,yj,tj)，若这两个坐标点之间的距离小于设定的距离阈值distThreh，或两个坐标点之间的时间间隔大于设定的时间阈值timeThreh，则将(xi,yi,ti)标记为停止点。
作为优选的技术方案，所述采用类别距离优先法获得POI，具体为：
确定初始半径参数r以及POI类别级别K；
以最初的停止点p为圆心，r为半径设置POI检索区域，从LBS数据库中搜索圆形的POI检索区域内的所有POI；
将搜索到的POI根据类别距离进行排序，其中与停止点p属于同一类别的POI作为替换点的优先度最高，若与停止点p类别相同，则距离越小的POI优先度越高；
若搜索到相同类别级别K的候选项，则将其作为输出结果；
若POI检索区域内没有找到相同类别级别K的候选项，则增加半径参数r，并再一次进行搜索；
当r≥设定的最大半径r_max，且搜索结果为空时，选择与停止点p距离最小的POI作为输出结果。
作为优选的技术方案，所述采用马尔科夫矩阵法获得POI，具体为：
获得Geolife数据集的POI类别转换矩阵，所述POI类别转换矩阵每一行为从当前位置的类别到下一个位置上其他类别的概率；
寻找转移概率最高的类别，从目标类别中搜索下一个POI，其中，从位置i转移到位置j的概率Mij具体如下式：
Figure BDA0003308965590000031
其中，Pr(·)为马尔科夫概率转移函数，dst为目标位置，src为源位置，Ci和Cj表示两个停止点。
使用加权随机函数(C、P)来确定下一个POI的类别，其中C是所有类别的列表和P是每个类别对应的概率；运行足够次数加权随机函数(C、P)，得到满足输入概率分布的随机数序列，从而得到所求的POI。
作为优选的技术方案，所述以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td，具体为：
遍历混淆轨迹T1上的每个位置，对于每一个中间点，生成一个圆心为pi-1，半径为d的圆，其中
Figure BDA0003308965590000032
对每一个θ度，选取一个位置加入候选轨迹集Candidates，如下式：
Candidates＝Candidates∪dest(pi-1,d,K·θ)；
其中dest(pi-1,d,K·θ)是从原点pi-1开始，以距离d和旋转角度θ确定目标位置的函数；
混淆轨迹T1从候选轨迹集Candidates中选择合适的停止点，输出中间轨迹Td。
作为优选的技术方案，所述以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy，具体为：
检查初始轨迹T0以及中间轨迹Td所包含位置点数目是否一致；
若一致，则将原始时间戳与t相加并将它们分配给相应的位置点，并将它们分配到Td上相应的位置点，如下式所示：
Figure BDA0003308965590000041
其中，
Figure BDA0003308965590000042
为中间轨迹Td上的点，
Figure BDA0003308965590000043
为初始轨迹T0上的点，随机移位random_timeshift应位于与所配置的保护级别相适应的一定范围内；
计算斜率，即两条轨迹的运动趋势，若斜率的差值大于设定的阈值，则去掉虚拟轨迹，重新生成；斜率的计算如下式：
Figure BDA0003308965590000044
其中，
Figure BDA0003308965590000045
和
Figure BDA0003308965590000046
为轨迹的中点坐标。
本发明的另一个方面，提供了面向轨迹发布数据集的语义敏感的位置轨迹隐私保护系统，应用于上述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，包括停止点搜索模块、轨迹混淆模块、中间轨迹生成模块以及轨迹纠正模块；
所述停止点搜索模块用于对用户的初始轨迹T0进行停止点搜索，获得停止点；
所述轨迹混淆模块用于采用类别距离优先法或马尔科夫矩阵法获得POI，并使用获得的POI替换停止点，得到混淆轨迹T1；
所述中间轨迹生成模块用于以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；
所述轨迹纠正模块用于以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。
本发明的另一个方面，提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明提出停止点混淆技术，利用已有的POI信息和停止点搜索技术对用户的轨迹进行混淆，实现了面向语义的轨迹隐私保护。
(2)本发明通过采用类别-距离优先法(CDP)和马尔科夫矩阵(MM)，根据类别和概率判断来选择用于替换停止点的最佳POI，在匿名之后保护轨迹的语义信息，从而降低匿名后的轨迹效用损失。
(3)本发明允许用户自定义random和θ，调整需要的隐私级别，可以根据用户自己的隐私保护需求来决定匿名后的轨迹。
附图说明
图1是本发明实施例面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法三个实体的示意图；
图2是本发明实施例面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法的整体流程图；
图3是本发明实施例类别转移矩阵的示意图；
图4是本发明实施例中间点搜索的示意图；
图5是本发明实施例面向轨迹发布数据集的语义敏感的位置轨迹隐私保护系统的结构示意图；
图6是本发明实施例的存储介质的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例
本发明通过定义时间、距离阈值来获取轨迹的停留点(语义信息)，然后从LBS数据库或LBS开放API中查询停留点附近的POI信息，再使用搜索道德POI替换轨迹原来的停留点，从而达到隐私保护要求。同时为了保留用户轨迹原有的语义信息，我们使用类别-距离优先法(CDP)来确定用于替换的POI，使得轨迹效用损失最小化。此外，为了防止更强大的攻击者(拥有丰富的背景知识)，我们还设计了马尔科夫矩阵(MM)方法来加强保护。我们通过在马尔科夫矩阵中选择概率最高的POI类别作为下一个POI类别，从而模拟用户更加真实的行为模式，达到加强保护的效果。
如图1所示，本实施例提供了一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，存在3个实体：数据采集方，服务端，用户端。数据采集方通过采集用户的GPS数据，服务端通过本发明设计的算法将GPS数据进行处理之后发给用户端，从而达到保护用户轨迹隐私的效果。
具体实施流程如图2所示，包括以下步骤：
S1、对用户的初始轨迹T0进行停止点搜索，获得停止点，具体为：
S1.1、初始轨迹T0由一系列时空三维元组和用户标识符组成，表示为：T0＝{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn),Ui}；其中(xn,yn)为定位点，tn为时间戳，Ui是用户标识符；
S1.2、设定距离阈值distThreh和时间阈值timeThreh；
S1.3、对于任意两个相邻的坐标点(xi,yi,ti)和(xj,yj,tj)，若这两个坐标点之间的距离小于设定的距离阈值distThreh，或两个坐标点之间的时间间隔大于设定的时间阈值timeThreh，则将(xi,yi，ti)标记为停止点。
S2、在停止点搜索算法中，满足时间和距离的阈值的坐标点将作为停止点被替换。在本实施例中，采用类别距离优先法或马尔科夫矩阵法获得POI，用户可根据自己的需要来选择不同强度的替换方式；
S2.1、所述采用类别距离优先法(CDP)获得POI，具体为：
确定初始半径参数r以及POI类别级别k；
以最初的停止点p为圆心，r为半径设置POI检索区域，从LBS数据库中搜索圆形的POI检索区域内的所有POI；
将搜索到的POI根据类别距离进行排序，其中与停止点p属于同一类别的POI作为替换点的优先度最高，若与停止点p类别相同，则距离越小的POI优先度越高；
若搜索到相同类别级别K的候选项，则将其作为输出结果；
若POI检索区域内没有找到相同类别级别K的候选项，则增加半径参数r，并再一次进行搜索；
当r≥设定的最大半径r_max，且搜索结果为空时，选择与停止点p距离最小的POI作为输出结果。
S2.2、所述采用马尔科夫矩阵法(MM)获得POI，具体为：
获得Geolife数据集的POI类别转换矩阵，如图3所示，所述POI类别转换矩阵每一行为从当前位置的类别到下一个位置上其他类别的概率；
寻找转移概率最高的类别，从目标类别中搜索下一个POI，其中，从位置i转移到位置j的概率Mij具体如下式：
Figure BDA0003308965590000081
其中，Pr(·)为马尔科夫概率转移函数，dst为目标位置，src为源位置，Ci和Cj表示两个停止点。
但是从实验结果来看，由于用户的大部分活动都是以住宅为原点进行的，所以在生成的马尔科夫矩阵中，几乎每一行都有最高的概率属于“estate”类别。为了模拟真实用户的行为模式，本发明使用加权随机函数(C、P)来确定下一个POI的类别，其中C是所有类别的列表和P是每个类别对应的概率，也即矩阵的每一行的概率。运行足够次数后，该函数生成的随机数序列将满足输入概率分布，从而得到所求的POI。
S3、使用获得的POI替换停止点，得到混淆轨迹T1；
S4、以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td，具体为：
S4.1、遍历混淆轨迹T1上的每个位置，对于每一个中间点，生成一个圆心为pi-1，半径为d的圆，其中
Figure BDA0003308965590000082
Figure BDA0003308965590000083
如图4所示；
S4.2、对每一个θ度，选取一个位置加入候选轨迹集Candidates，如下式：
Candidates＝Candidates∪dest(pi-1,d,K·θ)；
其中dest(pi-1,d,K·θ)是从原点pi-1开始，以距离d和旋转角度θ确定目标位置的函数；
S4.3、混淆轨迹T1从候选轨迹集Candidates中选择合适的停止点，输出中间轨迹Td。
在本算法中，S4.1中d公式中的random和S4.2中Candidates公式中的θ可根据自定义大小，动态调整可选择的停止点，从而配置调整隐私保护级别。数值越大，虚拟轨迹与原轨迹的相似度越小，保护性能越好。
S5、以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy，具体为：
S5.1、检查初始轨迹T0以及中间轨迹Td所包含位置点数目是否一致；
S5.2、若一致，则将原始时间戳与t相加并将它们分配给相应的位置点，并将它们分配到Td上相应的位置点，如下式所示：
Figure BDA0003308965590000091
其中，
Figure BDA0003308965590000092
为中间轨迹Td上的点，
Figure BDA0003308965590000093
为初始轨迹T0上的点，随机移位random_timeshift应位于与所配置的保护级别相适应的一定范围内；
S5.3、计算斜率，即两条轨迹的运动趋势，若斜率的差值大于设定的阈值，则去掉虚拟轨迹，重新生成；斜率的计算如下式：
Figure BDA0003308965590000094
其中，
Figure BDA0003308965590000095
和
Figure BDA0003308965590000096
为轨迹的中点坐标。
如图5所示，在本申请的另一个实施例中，提供了一种面向轨迹发布数据集的语义敏感的位置轨迹隐私保护系统，该系统包括停止点搜索模块、轨迹混淆模块、中间轨迹生成模块以及轨迹纠正模块；
所述停止点搜索模块用于对用户的初始轨迹T0进行停止点搜索，获得停止点；
所述轨迹混淆模块用于采用类别距离优先法或马尔科夫矩阵法获得POI，并使用获得的POI替换停止点，得到混淆轨迹T1；
所述中间轨迹生成模块用于以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；
所述轨迹纠正模块用于以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。
在此需要说明的是，上述实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，该系统是应用于上述实施例的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法。
如图6所示，在本申请的另一个实施例中，还提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，具体为：
对用户的初始轨迹T0进行停止点搜索，获得停止点；
采用类别距离优先法或马尔科夫矩阵法获得POI；
使用获得的POI替换停止点，得到混淆轨迹T1；
以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；
以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，其特征在于，包括下述步骤：
对用户的初始轨迹T0进行停止点搜索，获得停止点；
采用类别距离优先法或马尔科夫矩阵法获得POI；
使用获得的POI替换停止点，得到混淆轨迹T1；
以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；
以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。
2.根据权利要求1所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，其特征在于，所述对用户的初始轨迹T0进行停止点搜索，具体为：
初始轨迹T0表示为：T0＝{(x1，y1，t1)，(x2，y2，t2)，…，(xn，yn，tn)，Ui}；其中(xn，yn)为定位点，tn为时间戳，Ui是用户标识符；
设定距离阈值distThreh和时间阈值timeThreh；
对于任意两个相邻的坐标点(xi，yi，ti)和(xj，yj，tj)，若这两个坐标点之间的距离小于设定的距离阈值distThreh，或两个坐标点之间的时间间隔大于设定的时间阈值timeThreh，则将(xi，yi，ti)标记为停止点。
3.根据权利要求1所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，其特征在于，所述采用类别距离优先法获得POI，具体为：
确定初始半径参数r以及POI类别级别K；
以最初的停止点p为圆心，r为半径设置POI检索区域，从LBS数据库中搜索圆形的POI检索区域内的所有POI；
将搜索到的POI根据类别距离进行排序，其中与停止点p属于同一类别的POI作为替换点的优先度最高，若与停止点p类别相同，则距离越小的POI优先度越高；
若搜索到相同类别级别K的候选项，则将其作为输出结果；
若POI检索区域内没有找到相同类别级别K的候选项，则增加半径参数r，并再一次进行搜索；
当r≥设定的最大半径r_max，且搜索结果为空时，选择与停止点p距离最小的POI作为输出结果。
4.根据权利要求1所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，其特征在于，所述采用马尔科夫矩阵法获得POI，具体为：
获得Geolife数据集的POI类别转换矩阵，所述POI类别转换矩阵每一行为从当前位置的类别到下一个位置上其他类别的概率；
寻找转移概率最高的类别，从目标类别中搜索下一个POI，其中，从位置i转移到位置j的概率Mij具体如下式：
Figure FDA0003308965580000021
其中，Pr(·)为马尔科夫概率转移函数，dst为目标位置，src为源位置，Ci和Cj表示两个停止点。
使用加权随机函数(C、P)来确定下一个POI的类别，其中C是所有类别的列表和P是每个类别对应的概率；运行足够次数加权随机函数(C、P)，得到满足输入概率分布的随机数序列，从而得到所求的POI。
5.根据权利要求1所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，其特征在于，所述以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td，具体为：
遍历混淆轨迹T1上的每个位置，对于每一个中间点，生成一个圆心为pi-1，半径为d的圆，其中
Figure FDA0003308965580000022
对每一个θ度，选取一个位置加入候选轨迹集Candidates，如下式：
Candidates＝Candidates∪dest(pi-1，d，K·θ)；
其中dest(pi-1，d，K·θ)是从原点pi-1开始，以距离d和旋转角度θ确定目标位置的函数；
混淆轨迹T1从候选轨迹集Candidates中选择合适的停止点，输出中间轨迹Td。
6.根据权利要求1所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，其特征在于，所述以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy，具体为：
检查初始轨迹T0以及中间轨迹Td所包含位置点数目是否一致；
若一致，则将原始时间戳与t相加并将它们分配给相应的位置点，并将它们分配到Td上相应的位置点，如下式所示：
Figure FDA0003308965580000031
其中，
Figure FDA0003308965580000032
为中间轨迹Td上的点，
Figure FDA0003308965580000033
为初始轨迹T0上的点，随机移位random_timeshift应位于与所配置的保护级别相适应的一定范围内；
计算斜率，即两条轨迹的运动趋势，若斜率的差值大于设定的阈值，则去掉虚拟轨迹，重新生成；斜率的计算如下式：
Figure FDA0003308965580000034
其中，
Figure FDA0003308965580000035
和
Figure FDA0003308965580000036
为轨迹的中点坐标。
7.面向轨迹发布数据集的语义敏感的位置轨迹隐私保护系统，其特征在于，应用于权利要求1-6中任一项所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法，包括停止点搜索模块、轨迹混淆模块、中间轨迹生成模块以及轨迹纠正模块；
所述停止点搜索模块用于对用户的初始轨迹T0进行停止点搜索，获得停止点；
所述轨迹混淆模块用于采用类别距离优先法或马尔科夫矩阵法获得POI，并使用获得的POI替换停止点，得到混淆轨迹T1；
所述中间轨迹生成模块用于以混淆轨迹T1作为输入，采用中间点生成算法得到中间轨迹Td；
所述轨迹纠正模块用于以初始轨迹T0以及中间轨迹Td作为输入，采用轨迹纠正算法得到保护语义信息的匿名轨迹Tdummy。
8.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1-6任一项所述的面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法。
CN202111211334.XA 2021-10-18 2021-10-18 面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质 Pending CN113934945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111211334.XA CN113934945A (zh) 2021-10-18 2021-10-18 面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111211334.XA CN113934945A (zh) 2021-10-18 2021-10-18 面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质

Publications (1)

Publication Number Publication Date
CN113934945A true CN113934945A (zh) 2022-01-14

Family

ID=79280003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111211334.XA Pending CN113934945A (zh) 2021-10-18 2021-10-18 面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质

Country Status (1)

Country Link
CN (1) CN113934945A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114564747A (zh) * 2022-02-28 2022-05-31 福建工程学院 基于语义和预测的轨迹差分隐私保护方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114564747A (zh) * 2022-02-28 2022-05-31 福建工程学院 基于语义和预测的轨迹差分隐私保护方法及系统
CN114564747B (zh) * 2022-02-28 2024-04-23 福建工程学院 基于语义和预测的轨迹差分隐私保护方法及系统

Similar Documents

Publication Publication Date Title
Wang et al. Oblivious data structures
Li et al. Privacy preserving participant recruitment for coverage maximization in location aware mobile crowdsensing
Pelanis et al. Indexing the past, present, and anticipated future positions of moving objects
Jain et al. Differential privacy: its technological prescriptive using big data
Ding et al. A novel privacy preserving framework for large scale graph data publishing
Yiu et al. Design and analysis of a ranking approach to private location-based services
Jin et al. A survey and experimental study on privacy-preserving trajectory data publishing
Hashem et al. Countering overlapping rectangle privacy attack for moving knn queries
CN106254314B (zh) 一种位置查询服务信息保护方法及系统
CN111274242B (zh) 用于医院后勤运维的树结构的数据查找方法、装置
CN110602631B (zh) Lbs中抵御推测攻击的位置数据的处理方法和处理装置
CN111126628B (zh) 在可信执行环境中训练gbdt模型的方法、装置及设备
Zhang et al. Dart: A geographic information system on hadoop
CN112685772B (zh) 面向本质计算的跨dikw模态的相对差分隐私保护方法
CN112035880A (zh) 一种基于偏好感知的轨迹隐私保护服务推荐方法
CN113934945A (zh) 面向轨迹发布数据集的语义敏感的位置轨迹隐私保护方法、系统及介质
Shaham et al. Machine learning aided anonymization of spatiotemporal trajectory datasets
CN108111968B (zh) 一种基于泛化的位置隐私保护方法
Gupta et al. Big data security challenges and preventive solutions
Liu et al. GL-Tree: A Hierarchical Tree Structure for Efficient Retrieval of Massive Geographic Locations
Zhang et al. LPPS‐AGC: Location Privacy Protection Strategy Based on Alt‐Geohash Coding in Location‐Based Services
Nussbaum et al. Privacy analysis of query-set-size control
CN112069532B (zh) 一种基于差分隐私的轨迹隐私保护方法与装置
CN111091197B (zh) 在可信执行环境中训练gbdt模型的方法、装置及设备
Errounda et al. An Analysis of Differential Privacy Research in Location and Trajectory Data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination