CN115811726A - 一种面向移动端位置数据动态发布的隐私保护方法及系统 - Google Patents

一种面向移动端位置数据动态发布的隐私保护方法及系统 Download PDF

Info

Publication number
CN115811726A
CN115811726A CN202310061722.7A CN202310061722A CN115811726A CN 115811726 A CN115811726 A CN 115811726A CN 202310061722 A CN202310061722 A CN 202310061722A CN 115811726 A CN115811726 A CN 115811726A
Authority
CN
China
Prior art keywords
state
calculating
sequence
formula
array
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.)
Granted
Application number
CN202310061722.7A
Other languages
English (en)
Other versions
CN115811726B (zh
Inventor
徐正全
毛立晖
陈友勤
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202310061722.7A priority Critical patent/CN115811726B/zh
Publication of CN115811726A publication Critical patent/CN115811726A/zh
Application granted granted Critical
Publication of CN115811726B publication Critical patent/CN115811726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种面向移动端位置数据动态发布的隐私保护方法及系统，包括读入当前发布时刻的位置信息，包括发布次序和当前位置坐标；如果处于起始时刻，则进行系统初始化；计算当前位置增量，并对位置增量数据序列进行前置降噪处理；判别位置增量数据序列的状态，并执行相应隐私策略得到扰动位置；返回隐私处理后的扰动位置。本发明中对位置增量数据序列的状态划分以及不同隐私策略的运用，解决了位置数据动态发布中抵抗相关攻击的隐私保护问题。

Description

一种面向移动端位置数据动态发布的隐私保护方法及系统
技术领域
本发明涉及数据挖掘与隐私保护领域，更具体的，涉及一种面向移动端位置数据动态发布的隐私保护方案，用于解决位置数据动态发布应用中的位置隐私保护问题。
背景技术
随着移动通信技术与高精度定位技术的快速发展，人们可以随时随地获取和分享位置数据，享受便捷的基于位置的服务。大量用户分享的位置数据可以被收集和存储、分析，能帮助商业公司实现个性化服务及提高服务质量，也可以在智能交通、城市建设等问题上，为政府提供重要的决策支持。但对于大部分用户而言，位置信息是高度敏感的，他们不希望位置数据在分享和分析过程中泄露个人的位置隐私信息。为此，本发明就是针对位置数据在发布阶段的隐私问题所涉及的一种解决方案，以提供更理想的隐私安全和更好的可用性。
在现有的隐私保护技术中，差分隐私具有严格的公理化模型，保证了实际隐私保护强度不受攻击者背景知识的影响，因此被广泛应用在不同领域。在位置服务应用中，基于差分隐私的地理不可区分方法能很好地实现对单个位置的隐私保护，但在位置信息被连续发布的场景中，只单独考虑每个时刻的位置隐私是不充分的，因为连续观测的数据通常是相关的，攻击者可以发起相关攻击，即利用数据与扰动噪声在相关性上的差异来滤除部分噪声，导致实际隐私强度降低。对此，利用序列不可区分理论方法，可以保证差分隐私扰动前后的数据在相关性上保持一致，使得攻击者难以滤除噪声，从而有效地抵抗相关攻击。但在位置连续发布应用中，应用序列不可区分方法仍然面临一些挑战。
实现序列不可区分的关键在于生成与待保护数据在相关性上一致的扰动噪声，这需要已知待保护数据的相关性。但实际位置数据的相关性通常是未知的，为此需要根据观测数据来估计出其相关性。而准确估计的前提是数据序列是平稳的，并且具有尽可能多的观测样本。然而，连续观测的位置数据通常是非平稳的，这将主要带来两方面问题，一方面，难以准确估计出非平稳数据的相关性，另一方面，非平稳数据的相关性不断变化，使得满足相关性一致的扰动噪声的生成变得困难。因此，序列不可区分方法难以被直接应用到位置数据动态发布应用中。
基于上述背景，本发明提出一种面向移动端位置数据动态发布的隐私保护方案，通过跟踪位置增量数据序列的相关性，生成满足序列不可区分的扰动噪声序列，实现对原始位置数据序列的隐私保护。在实际非平稳的应用环境下，通过将位置增量数据序列划分为不同状态，并选择相应的隐私处理策略，实现更为有效的位置隐私保护。
发明内容
连续观测的位置序列数据，在不同程度上都存在数据间的相关性，而这种相关性可以被用来对隐私保护进行攻击，从而导致实际隐私保护强度的降低。本发明就是面向移动端位置数据动态发布的应用场景，提供一种有效抵抗相关攻击的序列不可分性差分隐私保护方案。
将序列不可分方法应用于连续发布的位置数据序列的隐私保护中，面临的挑战主要体现在三个方面：一是位置数据定位误差通常较大，对隐私保护影响也较大；二是位置数据序列的平稳性往往达不到序列不可分方法对数据平稳性的要求；三是由于位置数据序列的时变性会降低其相关性估计的可信度，进而影响隐私保护的实际效果。因此，发明人通过理论分析以及对大量实测数据的分析实验，对上述三个挑战研究提出针对性的实用解决方案，构成了本发明的主要内容。
针对上述挑战，本发明优选设计了合适的预处理滤波器以滤除观测数据误差，减少定位误差的影响；通过扰动位置数据的增量部分来保护位置隐私，这是因为相较于原始位置数据序列，位置增量数据序列则更为平稳；将位置增量数据序列划分为三种状态：准平稳状态，半平稳状态和完全非平稳状态，并根据当前状态选择相应的隐私处理策略，即准平稳状态下采用序列不可区分思想的相关扰动方案、完全非平稳状态下采用经典的独立扰动，而半平稳状态下采用相关叠加独立的扰动方案。本发明对状态的划分以及对应的扰动方法都提供了具体实现方案。
本发明提供一种面向移动端位置数据动态发布的隐私保护方法，包括以下步骤：
步骤S1，读入当前发布时刻的位置信息，包括发布次序和位置坐标；
步骤S2，如果处于起始时刻，则进行系统初始化；否则，进入步骤S3；
步骤S3，计算当前位置增量，并对位置增量数据序列进行前置降噪处理；计算位置增量，计算低通滤波结果，计算滑动平均结果，计算降噪后位置增量的模值与方位角，计算位置增量数据序列的自相关函数估计向量；
步骤S4，判别位置增量数据序列的状态，并执行相应隐私策略得到扰动位置；如果处于初始阶段，则独立地生成拉普拉斯噪声，否则，计算位置增量的模值与方位角随时间的相对变化，判别位置增量数据序列的状态，执行相应隐私策略生成扰动噪声；计算得到扰动位置；
步骤S5，返回隐私处理后的扰动位置。
而且，步骤S1中读入发布次序
Figure SMS_1
，当前位置坐标
Figure SMS_2
；步骤S2实现过程包括以下子步骤，
步骤S2-1，判断是否处于起始时刻，即是否
Figure SMS_3
，若是，则进行步骤S2-2；否则，进入步骤S3；
步骤S2-2，根据发布时间间隔
Figure SMS_4
，设置前置低通滤波器
Figure SMS_6
的归一化截止频率
Figure SMS_7
，并设置
Figure SMS_9
的阶数
Figure SMS_10
，通过让
Figure SMS_12
的幅频特性曲线
Figure SMS_13
对截止频率为
Figure SMS_5
的理想低通滤波器进行拟合，计算
Figure SMS_8
的参数向量
Figure SMS_11
；
其中，幅频特性曲线
Figure SMS_14
为
Figure SMS_15
式中
Figure SMS_16
为自然常数，
Figure SMS_17
为虚数单位，
Figure SMS_18
为角频率；
步骤S2-3，根据发布时间间隔
Figure SMS_19
，设置相关性估计窗口长度
Figure SMS_20
，状态判别窗口长度
Figure SMS_21
，滑动平均窗口长度
Figure SMS_22
；
步骤S2-4，定义枚举类型State，枚举成员包括初始状态标识
Figure SMS_23
，低速状态标识
Figure SMS_25
，准平稳状态标识
Figure SMS_27
，半平稳状态标识
Figure SMS_28
，完全非平稳状态标识
Figure SMS_30
；定义State类型变量
Figure SMS_31
，分别表示预估状态和实际状态，初值均为
Figure SMS_33
；定义大小为
Figure SMS_24
的State类型数组
Figure SMS_26
，表示预估状态记录序列，
Figure SMS_29
中所有元素的初值为
Figure SMS_32
；
步骤S2-5，设定状态判别阈值，包括低速状态的速度阈值
Figure SMS_34
；准平稳状态下相邻窗口间位置增量的方位角变化阈值
Figure SMS_35
，以及位置增量模值的均值与均方值的相对变化阈值
Figure SMS_36
；完全非平稳状态下相邻窗口间位置增量的方位角变化阈值
Figure SMS_37
，以及位置增量模值的均值与均方值的相对变化阈值
Figure SMS_38
；
步骤S2-6，定义大小为
Figure SMS_39
的二维实数数组
Figure SMS_40
，分别表示位置序列，位置增量序列，低通滤波结果序列，
Figure SMS_41
中所有元素的初值为0；定义大小为
Figure SMS_42
的二维实数数组
Figure SMS_43
，分别表示滑动平均结果序列和位置增量极坐标序列，
Figure SMS_44
中所有元素的初值为0；
步骤S2-7，更新位置列表，计算公式为
Figure SMS_45
，之后跳转至步骤S4；
其中，更新函数
Figure SMS_46
的定义如下，
Figure SMS_47
式中
Figure SMS_49
为二维实数数组，
Figure SMS_50
为实数型变量，
Figure SMS_53
为数组
Figure SMS_54
的行数，
Figure SMS_56
为数组
Figure SMS_58
的行索引，
Figure SMS_59
为数组
Figure SMS_48
中行索引为
Figure SMS_51
的元素所构成的一维数组，该函数的实现步骤为，除最后一行元素外，数组
Figure SMS_52
中其余各行元素后移一行，之后将
Figure SMS_55
存入数组
Figure SMS_57
的首行。
而且，所述步骤S3实现过程包括以下子步骤，
步骤S3-1，计算当前位置增量
Figure SMS_60
，如下式，
Figure SMS_61
并更新位置增量列表，计算公式记为
Figure SMS_62
；其中，
Figure SMS_63
的实现方式同步骤S2-7更新函数；
步骤S3-2，计算
Figure SMS_64
滤波结果
Figure SMS_65
，如下式，
Figure SMS_66
并更新滤波结果列表，计算公式为
Figure SMS_67
；其中，
Figure SMS_68
为
Figure SMS_69
的参数向量，滤波器输入分别为
Figure SMS_70
，滤波器的状态为数组
Figure SMS_71
中过去时刻的数据记录；
Figure SMS_72
的实现方式同步骤S2-7更新函数；
步骤S3-3，计算滑动平均结果
Figure SMS_73
，如下式，
Figure SMS_74
并更新滑动平均结果列表，计算公式为
Figure SMS_75
；其中，
Figure SMS_76
的实现方式同步骤S2-7；
步骤S3-4，计算降噪后位置增量的模值
Figure SMS_77
与方位角
Figure SMS_78
，如下式，
Figure SMS_79
并更新位置增量极坐标列表，计算公式为
Figure SMS_80
；其中，
Figure SMS_81
实现方式同步骤S2-7；
步骤S3-5，利用大小为
Figure SMS_83
的窗口内位置增量数据，分别计算X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_84
，
Figure SMS_85
；其中，
Figure SMS_86
分别是对
Figure SMS_87
的估计，式中
Figure SMS_88
为期望运算，
Figure SMS_89
分别是发布次序为
Figure SMS_82
时经降噪处理后X，Y方向上的位置增量。
而且，所述步骤S4实现过程包括以下子步骤，
步骤S4-1，判别是否处于初始状态，即是否
Figure SMS_90
，若是，则跳转至步骤S4-11；否则，进入步骤S4-2；
步骤S4-2，计算相邻窗口间位置增量的方位角的最大变化量
Figure SMS_91
，如下式，
Figure SMS_92
其中，函数
Figure SMS_93
的定义如下，
Figure SMS_94
式中变量
Figure SMS_95
，
Figure SMS_96
表示绝对值运算；
步骤S4-3，计算相邻窗口间位置增量模值的最小值
Figure SMS_97
与最大值
Figure SMS_98
，如下式，
Figure SMS_99
步骤S4-4，计算相邻窗口间位置增量模值的均值和均方值的相对变化
Figure SMS_100
，如下式，
Figure SMS_101
其中，
Figure SMS_102
为取最大值运算；
步骤S4-5，判别是否处于低速状态，即是否满足以下条件之一，
Figure SMS_103
若是，则预估状态
Figure SMS_104
，实际状态
Figure SMS_105
，更新预估状态序列，计算公式为
Figure SMS_106
，跳转至步骤4-9；否则，进入步骤S4-6；
其中，函数
Figure SMS_107
的定义如下
Figure SMS_108
式中，
Figure SMS_110
为数组
Figure SMS_111
的索引，
Figure SMS_112
为数组
Figure SMS_113
中索引为
Figure SMS_114
的元素，该函数的实现步骤为，除末尾元素外，数组
Figure SMS_115
中其余元素后移一位，之后将元素
Figure SMS_116
存入数组
Figure SMS_109
的首位；
步骤S4-6，判别得到预估状态
Figure SMS_117
，函数定义如下，
Figure SMS_118
并更新预估状态列表，计算公式为
Figure SMS_119
；其中，
Figure SMS_120
的具体实现同步骤S4-5；
步骤S4-7，计算
Figure SMS_121
，函数定义如下，
Figure SMS_122
若返回
Figure SMS_123
，则
Figure SMS_124
；否则，
Figure SMS_125
保持不变；
其中，函数
Figure SMS_126
的实现步骤是，判别数组
Figure SMS_127
中首位元素与其余各元素是否一样，若所有元素一样，则返回
Figure SMS_128
，否则，返回
Figure SMS_129
；
步骤S4-8，根据实际状态
Figure SMS_130
，选择相应隐私策略，包括如果处于准平稳状态，即
Figure SMS_131
，则跳转至步骤S4-10；如果处于完全非平稳状态，即
Figure SMS_132
，则跳转至步骤S4-11；如果处于半平稳状态，即
Figure SMS_133
，则跳转至步骤S4-9；
步骤S4-9，自相关独立补偿处理，即分别对X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_134
进行独立补偿，计算公式如下，
Figure SMS_135
其中，补偿系数
Figure SMS_136
根据应用偏好进行设置，
Figure SMS_137
值越小，扰动噪声序列的独立性越强，然后进行步骤S4-10；
步骤S4-10，根据给定的自相关函数向量，生成满足序列不可区分的相关拉普拉斯噪声，包括根据X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_138
，分别生成服从零均值，尺度为
Figure SMS_139
的拉普拉斯分布的噪声
Figure SMS_140
，使得噪声序列
Figure SMS_141
的自相关函数向量
Figure SMS_142
，
Figure SMS_143
分别满足，
Figure SMS_144
其中，
Figure SMS_145
分别表示发布次序为
Figure SMS_146
时X,Y方向上的扰动噪声，自相关函数
Figure SMS_147
，这里
Figure SMS_148
为期望运算；之后进行步骤S4-12；
步骤S4-11，独立地生成拉普拉斯噪声，包括独立地生成X，Y方向上服从零均值，尺度为
Figure SMS_149
的拉普拉斯分布噪声
Figure SMS_150
，之后进行步骤S4-12；
步骤S4-12，计算得到扰动位置
Figure SMS_151
，如下式，
Figure SMS_152
。
另一方面，本发明还提供一种面向移动端位置数据动态发布的隐私保护系统，用于实现如上所述的一种面向移动端位置数据动态发布的隐私保护方法。
而且，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种面向移动端位置数据动态发布的隐私保护方法。
或者，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种面向移动端位置数据动态发布的隐私保护方法。
通过以上步骤，本发明提供了一种面向移动端位置数据动态发布的隐私处理功能，在动态发布应用中，可以作为功能模块从移动端设备接收待发布的原始位置数据，通过降噪处理后，根据位置增量部分的相对变化来判别位置增量数据序列的状态，并由此执行相应的隐私策略来生成扰动噪声，最后将处理结果返回给移动端设备，由此实现了实时动态的隐私保护过程。
本发明的有益效果在于：基于本地模式对移动端位置数据进行隐私保护，保证只有数据所有者能访问原始数据，有效地防止来自不可信服务器的攻击。本发明将位置增量数据序列划分成不同状态，为序列不可区分方法提供应用基础，同时在不同状态下应用相应的隐私处理策略，实现更为有效的隐私保护。此外，在本发明的实施过程及步骤，降低了计算复杂度，便于高效实施，具有实际应用价值。
附图说明
图1是本发明实施例的原理框架图；
图2是本发明实施例的流程图；
图3是本发明实施例的具体应用步骤流程图。
具体实施方式
以下将结合附图及实施例，对本发明的构思、实际应用方式作进一步说明，以充分地了解本发明的目的、特征和效果。
本发明提出一种面向移动端位置数据动态发布的隐私保护方法，基本思想是根据位置增量数据序列的相关性生成满足序列不可区分的扰动噪声序列，实现对原始位置数据序列的隐私保护。在实际应用本发明技术方案中，可将位置增量数据序列划分为不同状态，由此选择相应的隐私策略生成扰动噪声，从而实现更有效的隐私保护。
为了便于阐述发明内容，本发明实施例对一些概念以及适用前提进行如下说明：
1）所谓位置数据连续发布是指，从某一时刻
Figure SMS_153
开始，用户按照时间间隔
Figure SMS_154
（默认
Figure SMS_155
在应用中保持不变，并且小于15秒），发布当时所在的位置信息，则第
Figure SMS_156
次发布的时间记为
Figure SMS_157
，当时位置记为
Figure SMS_158
，由此在动态发布应用中得到位置数据序列
Figure SMS_159
；
2）所谓位置数据动态发布中的隐私保护是指，在每个发布时刻
Figure SMS_160
，用户并不直接发布原始位置
Figure SMS_161
，而是经过特定的隐私保护处理得到对应位置
Figure SMS_162
代替原始位置
Figure SMS_163
进行发布，由此得到发布位置数据序列
Figure SMS_164
；
3）本发明适用于平面直角坐标系XOY所表示的位置坐标，即
Figure SMS_165
时刻的位置表示为
Figure SMS_166
，其中
Figure SMS_167
分别表示X轴，Y轴方向坐标，上标T表示矩阵转置。XOY坐标系一般以起始时刻
Figure SMS_168
的位置
Figure SMS_169
为原点O，以正东方向为X轴正方向，以正北方向为Y轴正方向，单位为米。若原始位置为其他坐标系的，则需要进行坐标变换。
参见图1、图2，本发明实施例提出的一种面向移动端位置连续发布的隐私保护方法，在每个发布时刻，读取当前发布次序
Figure SMS_170
和当前位置
Figure SMS_171
，返回隐私处理后的扰动位置
Figure SMS_172
用于发布，具体包括以下步骤：
步骤S1，读入当前发布时刻的位置信息，包括发布次序和位置坐标；
实施例中，读入发布次序
Figure SMS_173
，当前位置
Figure SMS_174
。
步骤S2，如果处于起始时刻，则进行系统初始化；否则，进入步骤S3；
具体包括以下步骤：
步骤S2-1，判断是否处于起始时刻，即是否
Figure SMS_175
，若是，则进行步骤S2-2；否则，进入步骤S3；
步骤S2-2，根据发布时间间隔
Figure SMS_177
，设置前置低通滤波器
Figure SMS_178
的归一化截止频率
Figure SMS_181
，并设置
Figure SMS_183
的阶数
Figure SMS_184
，通过让
Figure SMS_185
的幅频特性曲线
Figure SMS_186
对截止频率为
Figure SMS_176
的理想低通滤波器进行拟合，计算
Figure SMS_179
的参数向量
Figure SMS_180
。其中，幅频特性曲线
Figure SMS_182
为
Figure SMS_187
这里
Figure SMS_188
为自然常数，
Figure SMS_189
为虚数单位，
Figure SMS_190
为角频率；
其中，低通滤波器
Figure SMS_191
的截止频率
Figure SMS_192
需要与实际位置增量数据序列的频谱特性相匹配，尽可能地滤除高频白噪声部分，本发明推荐的取值范围如下，
Figure SMS_193
并且，为避免系统延迟过大，
Figure SMS_194
的阶数
Figure SMS_195
不能设置过大，本发明推荐取值范围为
Figure SMS_196
；
实施例中，例如当
Figure SMS_197
时，设置
Figure SMS_198
的阶数
Figure SMS_199
，截止频率
Figure SMS_200
，利用巴特沃兹模型，求解得到滤波器
Figure SMS_201
的参数向量为
Figure SMS_202
，
Figure SMS_203
；
步骤S2-3，根据发布时间间隔
Figure SMS_204
，设置自相关估计的窗口长度
Figure SMS_205
，状态判别的窗口长度
Figure SMS_206
，滑动平均的窗口长度
Figure SMS_207
；
其中，
Figure SMS_208
的取值原则是保证估计偏差在合理范围；
Figure SMS_209
的取值原则是保证状态判别的时间跨度合理，取值过小将造成状态判别结果变化过于频繁，取值过大将导致状态判别结果变化过于迟缓；
Figure SMS_210
的取值原则是让滑动滤波的频谱特性与实际数据的频谱特性相匹配，抑制数据频谱中旁瓣部分。
本发明推荐的取值范围为：
Figure SMS_211
，
Figure SMS_212
，
Figure SMS_213
式中，
Figure SMS_214
表示取最大值运算，
Figure SMS_215
表示向下取整运算；
实施例中，例如当
Figure SMS_216
时，设置估计窗口长度
Figure SMS_217
，综合判别窗口长度
Figure SMS_218
，滑动平均窗口长度
Figure SMS_219
；
本发明实施例提供的各具体计算方式和取值为建议优选方案，具体实施时采用其他方式也应当在保护范围内。
步骤S2-4，定义枚举类型State，枚举成员包括初始状态标识
Figure SMS_221
，低速状态标识
Figure SMS_223
，准平稳状态（quasi-stationary）标识
Figure SMS_224
，半平稳状态（semi-stationary）标识
Figure SMS_226
，完全非平稳状态（non-stationary）标识
Figure SMS_228
；定义State类型变量
Figure SMS_229
，分别表示预估状态和实际状态，初值均为
Figure SMS_230
；定义大小为
Figure SMS_220
的State类型数组
Figure SMS_222
，表示预估状态记录序列，
Figure SMS_225
中所有元素的初值为
Figure SMS_227
；
步骤S2-5，设定状态判别阈值，包括低速状态的速度阈值
Figure SMS_231
；准平稳状态下相邻窗口间位置增量的方位角变化阈值
Figure SMS_232
，以及位置增量模值的均值与均方值的相对变化阈值
Figure SMS_233
；完全非平稳状态下相邻窗口间位置增量的方位角变化阈值
Figure SMS_234
，以及位置增量模值的均值与均方值的相对变化阈值
Figure SMS_235
；
其中，
Figure SMS_237
取值原则是依据观测误差对估计结果的影响程度，认为小于该阈值，观测误差对于估计结果的影响是不可忽略的；
Figure SMS_238
取值原则是保证滑动窗内位置增量的均值与自相关函数随时间的相对变化在合理范围内；相对的，
Figure SMS_239
取值原则是，认为大于这些阈值，滑动窗内位置增量的均值与自相关函数随时间的相对变化是不可忽略的。本发明推荐取值范围为：
Figure SMS_240
；
Figure SMS_241
，
Figure SMS_242
；
Figure SMS_243
，
Figure SMS_236
。
实施例中，例如，设定状态判别阈值如下表
Figure SMS_244
步骤S2-6，定义大小为
Figure SMS_245
的二维实数数组
Figure SMS_246
，分别表示位置序列，位置增量序列，低通滤波结果序列，
Figure SMS_247
中所有元素的初值为0；定义大小为
Figure SMS_248
的二维实数数组
Figure SMS_249
，分别表示滑动平均结果序列和位置增量极坐标序列，
Figure SMS_250
中所有元素的初值为0；
步骤S2-7，更新位置列表，计算公式为
Figure SMS_251
，跳转至步骤S4；
其中，更新函数
Figure SMS_252
的定义如下，
Figure SMS_253
式中
Figure SMS_256
为二维实数数组，
Figure SMS_258
为实数型变量，
Figure SMS_259
为数组
Figure SMS_261
的行数，
Figure SMS_263
为数组
Figure SMS_264
的行索引，
Figure SMS_265
为数组
Figure SMS_254
中行索引为
Figure SMS_255
的元素所构成的一维数组，该函数的具体实现步骤为：除最后一行元素外，数组
Figure SMS_257
中其余各行元素后移一行，之后将
Figure SMS_260
存入数组
Figure SMS_262
的首行；
本发明中，按照习惯，公式左边的
Figure SMS_266
表示更新后结果，公式右边
Figure SMS_267
表示更新前的相应取值，后续其他更新的表达方式相同。
步骤S3，对计算当前位置增量，并对位置增量数据序列进行前置降噪处理。计算位置增量，计算低通滤波结果，计算滑动平均结果，计算降噪后位置增量的模值与方位角，计算位置增量数据序列的自相关函数估计向量；
实施例中进一步优选提供的实现方式为，计算当前位置增量
Figure SMS_268
，计算前置降噪处理结果
Figure SMS_269
，计算当前位置增量的模值
Figure SMS_270
与方位角
Figure SMS_271
，计算X,Y方向上位置增量数据序列的自相关函数估计向量，具体包括以下步骤：
步骤S3-1，计算当前位置增量
Figure SMS_272
，如下式，
Figure SMS_273
并更新位置增量列表，计算公式为
Figure SMS_274
，其中，
Figure SMS_275
的具体实现同步骤S2-7；
步骤S3-2，计算
Figure SMS_276
滤波结果
Figure SMS_277
，如下式，
Figure SMS_278
并更新滤波结果列表，计算公式为
Figure SMS_279
；其中，其中，
Figure SMS_280
为
Figure SMS_281
的参数向量，滤波器输入分别为
Figure SMS_282
，滤波器状态为数组
Figure SMS_283
中过去时刻的数据记录；
Figure SMS_284
的具体实现同步骤S2-7；
步骤S3-3，计算滑动平均结果
Figure SMS_285
，如下式，
Figure SMS_286
并更新滑动平均结果列表，计算公式为
Figure SMS_287
。其中，
Figure SMS_288
的具体实现同步骤S2-7；
步骤S3-4，计算降噪后位置增量的模值
Figure SMS_289
与方位角
Figure SMS_290
，如下式，
Figure SMS_291
并更新位置增量极坐标列表，计算公式为
Figure SMS_292
。其中，
Figure SMS_293
具体实现同步骤S2-7；
步骤S3-5，利用大小为
Figure SMS_295
的窗口内位置增量数据，分别计算X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_296
，
Figure SMS_297
。其中，
Figure SMS_298
分别是对
Figure SMS_299
的估计，式中
Figure SMS_300
为期望运算，
Figure SMS_301
分别是发布次序为
Figure SMS_294
时经降噪处理后X，Y方向上的位置增量；
实施例中，分别计算X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_302
，如下式，
Figure SMS_303
步骤S4，判别位置增量数据序列的状态，并执行相应隐私策略得到扰动位置。如果处于初始阶段，则独立地生成拉普拉斯噪声，否则，计算位置增量的模值与方位角随时间的相对变化，判别位置增量数据序列的状态，执行相应隐私策略生成扰动噪声；计算得到扰动位置；
实施例中，进一步优选提供的实现方式为，判别当前位置增量数据序列的状态，选择对应的隐私策略，计算得到扰动位置
Figure SMS_304
，具体包括以下步骤：
步骤S4-1，判别是否处于初始状态，即是否
Figure SMS_305
，若是，则跳转至步骤S4-11；否则，进入步骤S4-2；
步骤S4-2，计算相邻窗口间位置增量的方位角的最大变化量
Figure SMS_306
，如下式，
Figure SMS_307
其中，函数
Figure SMS_308
的定义如下，
Figure SMS_309
式中变量
Figure SMS_310
，
Figure SMS_311
表示绝对值运算；
步骤S4-3，计算相邻窗口间位置增量模值的最小值
Figure SMS_312
与最大值
Figure SMS_313
，如下式，
Figure SMS_314
步骤S4-4，计算相邻窗口间位置增量模值的均值和均方值的相对变化
Figure SMS_315
，如下式，
Figure SMS_316
其中，
Figure SMS_317
为取最大值运算；
步骤S4-5，判别是否处于低速状态，即是否满足以下条件之一，
Figure SMS_318
若是，则预估状态
Figure SMS_319
，实际状态
Figure SMS_320
，更新预估状态序列，计算公式为
Figure SMS_321
，跳转至步骤4-9，进行自相关独立补偿；否则，进入步骤S4-6；
其中，函数
Figure SMS_322
的定义如下
Figure SMS_323
式中，
Figure SMS_324
为数组
Figure SMS_326
的索引，
Figure SMS_327
为数组
Figure SMS_328
中索引为
Figure SMS_329
的元素，该函数的具体实现步骤为，除末尾元素外，数组
Figure SMS_330
中其余元素后移一位，之后将元素
Figure SMS_331
存入数组
Figure SMS_325
的首位；
步骤S4-6，判别得到预估状态
Figure SMS_332
，函数定义如下，
Figure SMS_333
并更新预估状态列表，计算公式为
Figure SMS_334
。其中，
Figure SMS_335
的具体实现同步骤S4-5；
步骤S4-7，计算
Figure SMS_336
，函数定义如下，
Figure SMS_337
若返回
Figure SMS_338
，则
Figure SMS_339
；否则，
Figure SMS_340
保持不变；
其中，函数
Figure SMS_341
的具体实现步骤是：判别数组
Figure SMS_342
中首位元素与其余各元素是否一样，若所有元素一样，则返回
Figure SMS_343
，否则，返回
Figure SMS_344
；
步骤S4-8，根据实际状态
Figure SMS_345
，选择相应隐私策略，包括如果处于准平稳状态，即
Figure SMS_346
，则跳转至步骤S4-10；如果处于完全非平稳状态，即
Figure SMS_347
，则跳转至步骤S4-11；如果处于半平稳状态，即
Figure SMS_348
，则跳转至步骤S4-9；
步骤S4-9，自相关独立补偿处理，即对分别X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_349
进行独立补偿，计算公式如下，
Figure SMS_350
其中，独立补偿系数
Figure SMS_351
根据应用偏好进行设置，
Figure SMS_352
值越小，扰动噪声序列的独立性越强，本发明推荐取值区间为
Figure SMS_353
，然后进行步骤S4-10；
步骤S4-10，根据给定的自相关函数向量，生成满足序列不可区分的相关拉普拉斯噪声。根据X,Y方向上位置增量数据序列的自相关函数估计向量
Figure SMS_354
，分别生成服从零均值，尺度为
Figure SMS_355
的拉普拉斯分布的噪声
Figure SMS_356
，使得噪声序列
Figure SMS_357
的自相关函数向量分别满足，
Figure SMS_358
其中，
Figure SMS_359
分别表示发布次序为
Figure SMS_360
时X,Y方向上的扰动噪声，自相关函数
Figure SMS_361
，这里
Figure SMS_362
为期望运算，相关拉普拉斯噪声的生成方法包括但不限于相关拉普拉斯机制（可以参考专利CN106227953 A），这里不做赘述；之后进行步骤S4-12；
步骤S4-11，独立地生成拉普拉斯噪声。独立地生成X，Y方向上服从零均值，尺度为
Figure SMS_363
的拉普拉斯分布噪声
Figure SMS_364
，之后进行步骤S4-12；
步骤S4-12，计算得到扰动位置
Figure SMS_365
，如下式，
Figure SMS_366
步骤S5，返回隐私处理后扰动位置
Figure SMS_367
。
参见图3，在一个具体实施例中，提供一个典型的位置数据动态发布应用，并阐述本发明所提供的隐私保护方法的实际应用方式。在此，对本发明实施例的应用场景进行一些说明：
1）在本发明实施例中，从
Figure SMS_368
时刻开始，用户按照固定的时间间隔
Figure SMS_369
（默认
Figure SMS_370
小于15秒），发布当时的位置信息。记第
Figure SMS_371
次发布的时间为
Figure SMS_372
，当时位置记为
Figure SMS_373
；
2）为保护隐私信息，在每个发布时刻
Figure SMS_374
，用户发布经隐私处理后的扰动位置
Figure SMS_375
代替原始位置
Figure SMS_376
进行发布；
3）在本发明实施例中，位置以平面直角坐标系XOY中坐标进行表示的，记
Figure SMS_377
时刻的位置表示为
Figure SMS_378
，其中
Figure SMS_379
分别表示X轴，Y轴方向坐标，上标T表示矩阵转置。XOY坐标系是以起始时刻
Figure SMS_380
的位置
Figure SMS_381
为原点O，以正东方向为X轴正方向，以正北方向为Y轴正方向，单位为米。
参见图3，实施例中面向移动端位置连续发布的隐私保护方法具体应用流程包括以下步骤：
步骤E1，设置发布应用的采样周期
Figure SMS_382
，并对系统进行初始化，包括令发布次序
Figure SMS_383
，变量定义和初始化等，本发明实施例不做赘述；
步骤E2，等待数据发布时刻
Figure SMS_384
，对当前位置进行采样，并进行必要的前置降噪处理（包括但不限于位置校准，异常数据处理等，以保证数据质量），得到原始位置
Figure SMS_385
；
步骤E3，传递参数
Figure SMS_386
，调用本发明步骤S1~S5，返回隐私处理后的扰动位置
Figure SMS_387
；
步骤E4，发布经隐私保护的位置数据。将扰动位置坐标数据
Figure SMS_388
与其他属性数据打包，并发送出去；
步骤E5，判断是否修改采样周期，若是，则进行步骤E1；
步骤E6，判断是否结束发布，若是，则结束应用，否则，
Figure SMS_389
，进行步骤E2。
具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。
在一些可能的实施例中，提供一种面向移动端位置数据动态发布的隐私保护系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种面向移动端位置数据动态发布的隐私保护方法。
在一些可能的实施例中，提供一种面向移动端位置数据动态发布的隐私保护系统，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种面向移动端位置数据动态发布的隐私保护方法。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.一种面向移动端位置数据动态发布的隐私保护方法，其特征在于，包括以下步骤：
步骤S1，读入当前发布时刻的位置信息，包括发布次序和位置坐标；
步骤S2，如果处于起始时刻，则进行系统初始化；否则，进入步骤S3；
步骤S3，计算当前位置增量，并对位置增量数据序列进行前置降噪处理；计算位置增量，计算低通滤波结果，计算滑动平均结果，计算降噪后位置增量的模值与方位角，计算位置增量数据序列的自相关函数估计向量；
步骤S4，判别位置增量数据序列的状态，并执行相应隐私策略得到扰动位置；如果处于初始阶段，则独立地生成拉普拉斯噪声，否则，计算位置增量的模值与方位角随时间的相对变化，判别位置增量数据序列的状态，执行相应隐私策略生成扰动噪声；计算得到扰动位置；
步骤S5，返回隐私处理后的扰动位置。
2.根据权利要求1所述的一种面向移动端位置数据动态发布的隐私保护方法，其特征在于：步骤S1中读入发布次序
Figure QLYQS_1
，当前位置坐标
Figure QLYQS_2
；步骤S2实现过程包括以下子步骤，
步骤S2-1，判断是否处于起始时刻，即是否
Figure QLYQS_3
，若是，则进行步骤S2-2；否则，进步骤S3；
步骤S2-2，根据发布时间间隔
Figure QLYQS_5
，设置前置低通滤波器
Figure QLYQS_7
的归一化截止频率
Figure QLYQS_8
，并设置
Figure QLYQS_10
的阶数
Figure QLYQS_11
，通过让
Figure QLYQS_12
的幅频特性曲线
Figure QLYQS_13
对截止频率为
Figure QLYQS_4
的理想低通滤波器进行拟合，计算
Figure QLYQS_6
的参数向量
Figure QLYQS_9
；
其中，幅频特性曲线
Figure QLYQS_14
为
Figure QLYQS_15
式中
Figure QLYQS_16
为自然常数，
Figure QLYQS_17
为虚数单位，
Figure QLYQS_18
为角频率；
步骤S2-3，根据发布时间间隔
Figure QLYQS_19
，设置相关性估计窗口长度
Figure QLYQS_20
，状态判别窗口长度
Figure QLYQS_21
，滑动平均窗口长度
Figure QLYQS_22
；
步骤S2-4，定义枚举类型State，枚举成员包括初始状态标识
Figure QLYQS_24
，低速状态标识
Figure QLYQS_26
，准平稳状态标识
Figure QLYQS_28
，半平稳状态标识
Figure QLYQS_29
，完全非平稳状态标识
Figure QLYQS_31
；定义State类型变量
Figure QLYQS_32
，分别表示预估状态和实际状态，初值均为
Figure QLYQS_33
；定义大小为
Figure QLYQS_23
的State类型数组
Figure QLYQS_25
，表示预估状态记录序列，
Figure QLYQS_27
中所有元素的初值为
Figure QLYQS_30
；
步骤S2-5，设定状态判别阈值，包括低速状态的速度阈值
Figure QLYQS_34
；准平稳状态下相邻窗口间位置增量的方位角变化阈值
Figure QLYQS_35
，以及位置增量模值的均值与均方值的相对变化阈值
Figure QLYQS_36
；完全非平稳状态下相邻窗口间位置增量的方位角变化阈值
Figure QLYQS_37
，以及位置增量模值的均值与均方值的相对变化阈值
Figure QLYQS_38
；
步骤S2-6，定义大小为
Figure QLYQS_39
的二维实数数组
Figure QLYQS_40
，分别表示位置序列，位置增量序列，低通滤波结果序列，
Figure QLYQS_41
中所有元素的初值为0；定义大小为
Figure QLYQS_42
的二维实数数组
Figure QLYQS_43
，分别表示滑动平均结果序列和位置增量极坐标序列，
Figure QLYQS_44
中所有元素的初值为0；
步骤S2-7，更新位置列表，计算公式为
Figure QLYQS_45
，之后跳转至步骤S4；
其中，更新函数
Figure QLYQS_46
的定义如下，
Figure QLYQS_47
式中
Figure QLYQS_49
为二维实数数组，
Figure QLYQS_50
为实数型变量，
Figure QLYQS_52
为数组
Figure QLYQS_54
的行数，
Figure QLYQS_55
为数组
Figure QLYQS_58
的行索引，
Figure QLYQS_59
为数组
Figure QLYQS_48
中行索引为
Figure QLYQS_51
的元素所构成的一维数组，该函数的实现步骤为，除最后一行元素外，数组
Figure QLYQS_53
中其余各行元素后移一行，之后将
Figure QLYQS_56
存入数组
Figure QLYQS_57
的首行。
3.根据权利要求2所述的一种面向移动端位置数据动态发布的隐私保护方法，其特征在于：所述步骤S3实现过程包括以下子步骤，
步骤S3-1，计算当前位置增量
Figure QLYQS_60
，如下式，
Figure QLYQS_61
并更新位置增量列表，计算公式记为
Figure QLYQS_62
；其中，
Figure QLYQS_63
的实现方式同步骤S2-7更新函数；
步骤S3-2，计算
Figure QLYQS_64
滤波结果
Figure QLYQS_65
，如下式，
Figure QLYQS_66
并更新滤波结果列表，计算公式为
Figure QLYQS_67
；其中，
Figure QLYQS_68
为
Figure QLYQS_69
的参数向量，滤波器输入分别为
Figure QLYQS_70
，滤波器的状态为数组
Figure QLYQS_71
中过去时刻的数据记录；
Figure QLYQS_72
的实现方式同步骤S2-7更新函数；
步骤S3-3，计算滑动平均结果
Figure QLYQS_73
，如下式，
Figure QLYQS_74
并更新滑动平均结果列表，计算公式为
Figure QLYQS_75
；其中，
Figure QLYQS_76
的实现方式同步骤S2-7；
步骤S3-4，计算降噪后位置增量的模值
Figure QLYQS_77
与方位角
Figure QLYQS_78
，如下式，
Figure QLYQS_79
并更新位置增量极坐标列表，计算公式为
Figure QLYQS_80
；其中，
Figure QLYQS_81
实现方式同步骤S2-7；
步骤S3-5，利用大小为
Figure QLYQS_83
的窗口内位置增量数据，分别计算X,Y方向上位置增量数据序列的自相关函数估计向量
Figure QLYQS_84
，
Figure QLYQS_85
；其中，
Figure QLYQS_86
分别是对
Figure QLYQS_87
的估计，式中
Figure QLYQS_88
为期望运算，
Figure QLYQS_89
分别是发布次序为
Figure QLYQS_82
时经降噪处理后X，Y方向上的位置增量。
4.根据权利要求3所述的一种面向移动端位置数据动态发布的隐私保护方法，其特征在于：所述步骤S4实现过程包括以下子步骤，
步骤S4-1，判别是否处于初始状态，即是否
Figure QLYQS_90
，若是，则跳转至步骤S4-11；否则，进入步骤S4-2；
步骤S4-2，计算相邻窗口间位置增量的方位角的最大变化量
Figure QLYQS_91
，如下式，
Figure QLYQS_92
其中，函数
Figure QLYQS_93
的定义如下，
Figure QLYQS_94
式中变量
Figure QLYQS_95
，
Figure QLYQS_96
表示绝对值运算；
步骤S4-3，计算相邻窗口间位置增量模值的最小值
Figure QLYQS_97
与最大值
Figure QLYQS_98
，如下式，
Figure QLYQS_99
步骤S4-4，计算相邻窗口间位置增量模值的均值和均方值的相对变化
Figure QLYQS_100
，如下式，
Figure QLYQS_101
其中，
Figure QLYQS_102
为取最大值运算；
步骤S4-5，判别是否处于低速状态，即是否满足以下条件之一，
Figure QLYQS_103
若是，则预估状态
Figure QLYQS_104
，实际状态
Figure QLYQS_105
，更新预估状态序列，计算公式为
Figure QLYQS_106
，跳转至步骤4-9；否则，进入步骤S4-6；
其中，函数
Figure QLYQS_107
的定义如下
Figure QLYQS_108
式中，
Figure QLYQS_110
为数组
Figure QLYQS_111
的索引，
Figure QLYQS_112
为数组
Figure QLYQS_113
中索引为
Figure QLYQS_114
的元素，该函数的实现步骤为，除末尾元素外，数组
Figure QLYQS_115
中其余元素后移一位，之后将元素
Figure QLYQS_116
存入数组
Figure QLYQS_109
的首位；
步骤S4-6，判别得到预估状态
Figure QLYQS_117
，函数定义如下，
Figure QLYQS_118
并更新预估状态列表，计算公式为
Figure QLYQS_119
；其中，
Figure QLYQS_120
的具体实现同步骤S4-5；
步骤S4-7，计算
Figure QLYQS_121
，函数定义如下，
Figure QLYQS_122
若返回
Figure QLYQS_123
，则
Figure QLYQS_124
；否则，
Figure QLYQS_125
保持不变；
其中，函数
Figure QLYQS_126
的实现步骤是，判别数组
Figure QLYQS_127
中首位元素与其余各元素是否一样，若所有元素一样，则返回
Figure QLYQS_128
，否则，返回
Figure QLYQS_129
；
步骤S4-8，根据实际状态
Figure QLYQS_130
，选择相应隐私策略，包括如果处于准平稳状态，即
Figure QLYQS_131
，则跳转至步骤S4-10；如果处于完全非平稳状态，即
Figure QLYQS_132
，则跳转至步骤S4-11；如果处于半平稳状态，即
Figure QLYQS_133
，则跳转至步骤S4-9；
步骤S4-9，自相关独立补偿处理，即分别对X,Y方向上位置增量数据序列的自相关函数估计向量
Figure QLYQS_134
进行独立补偿，计算公式如下，
Figure QLYQS_135
其中，补偿系数
Figure QLYQS_136
根据应用偏好进行设置，
Figure QLYQS_137
值越小，扰动噪声序列的独立性越强，然后进行步骤S4-10；
步骤S4-10，根据给定的自相关函数向量，生成满足序列不可区分的相关拉普拉斯噪声，包括根据X,Y方向上位置增量数据序列的自相关函数估计向量
Figure QLYQS_138
，分别生成服从零均值，尺度为
Figure QLYQS_139
的拉普拉斯分布的噪声
Figure QLYQS_140
，使得噪声序列
Figure QLYQS_141
的自相关函数向量
Figure QLYQS_142
，
Figure QLYQS_143
分别满足，
Figure QLYQS_144
其中，
Figure QLYQS_145
分别表示发布次序为
Figure QLYQS_146
时X,Y方向上的扰动噪声，自相关函数
Figure QLYQS_147
，这里
Figure QLYQS_148
为期望运算；之后进行步骤S4-12；
步骤S4-11，独立地生成拉普拉斯噪声，包括独立地生成X，Y方向上服从零均值，尺度为
Figure QLYQS_149
的拉普拉斯分布噪声
Figure QLYQS_150
，之后进行步骤S4-12；
步骤S4-12，计算得到扰动位置
Figure QLYQS_151
，如下式，
Figure QLYQS_152
。
5.一种面向移动端位置数据动态发布的隐私保护系统，其特征在于：用于实现如权利要求1-4任一项所述的一种面向移动端位置连续发布的隐私保护方法。
6.根据权利要求5所述一种面向移动端位置数据动态发布的隐私保护系统，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-4任一项所述的一种面向移动端位置数据动态发布的隐私保护方法。
7.根据权利要求5所述一种面向移动端位置数据动态发布的隐私保护系统，其特征在于：包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-4任一项所述的一种面向移动端位置数据动态发布的隐私保护方法。
CN202310061722.7A 2023-01-20 2023-01-20 一种面向移动端位置数据动态发布的隐私保护方法及系统 Active CN115811726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310061722.7A CN115811726B (zh) 2023-01-20 2023-01-20 一种面向移动端位置数据动态发布的隐私保护方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310061722.7A CN115811726B (zh) 2023-01-20 2023-01-20 一种面向移动端位置数据动态发布的隐私保护方法及系统

Publications (2)

Publication Number Publication Date
CN115811726A true CN115811726A (zh) 2023-03-17
CN115811726B CN115811726B (zh) 2023-04-25

Family

ID=85487811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310061722.7A Active CN115811726B (zh) 2023-01-20 2023-01-20 一种面向移动端位置数据动态发布的隐私保护方法及系统

Country Status (1)

Country Link
CN (1) CN115811726B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106227953A (zh) * 2016-07-26 2016-12-14 武汉大学 一种具有给定相关性的拉普拉斯噪声序列生成方法及生成器
CN106407841A (zh) * 2016-09-28 2017-02-15 武汉大学 基于差分隐私的相关性时间序列发布方法及系统
CN108446568A (zh) * 2018-03-19 2018-08-24 西北大学 一种去趋势分析差分隐私保护的直方图数据发布方法
US20200120480A1 (en) * 2018-10-11 2020-04-16 Citrix Systems, Inc. Policy based location protection service
CN114065287A (zh) * 2021-11-18 2022-02-18 南京航空航天大学 一种抗预测攻击的轨迹差分隐私保护方法和系统
US20220392219A1 (en) * 2021-06-04 2022-12-08 Apple Inc. Learning Iconic Scenes and Places with Privacy

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106227953A (zh) * 2016-07-26 2016-12-14 武汉大学 一种具有给定相关性的拉普拉斯噪声序列生成方法及生成器
CN106407841A (zh) * 2016-09-28 2017-02-15 武汉大学 基于差分隐私的相关性时间序列发布方法及系统
CN108446568A (zh) * 2018-03-19 2018-08-24 西北大学 一种去趋势分析差分隐私保护的直方图数据发布方法
US20200120480A1 (en) * 2018-10-11 2020-04-16 Citrix Systems, Inc. Policy based location protection service
US20220392219A1 (en) * 2021-06-04 2022-12-08 Apple Inc. Learning Iconic Scenes and Places with Privacy
CN114065287A (zh) * 2021-11-18 2022-02-18 南京航空航天大学 一种抗预测攻击的轨迹差分隐私保护方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MICHAEL KHAVKIN ET AL.: "Preserving Differential Privacy and Utility of Non-stationary Data Streams" *
王豪;徐正全;熊礼治;王涛;: "CLM:面向轨迹发布的差分隐私保护方法" *
胡德敏;詹涵;: "可预测的差分扰动用户轨迹隐私保护方法" *

Also Published As

Publication number Publication date
CN115811726B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
Clark et al. Shifted Rayleigh filter: A new algorithm for bearings-only tracking
CN108981696B (zh) 一种sins任意失准角无奇异快速传递对准方法
Novoselov et al. Mitigating the effects of residual biases with Schmidt-Kalman filtering
CN108318921A (zh) 一种基于横向约束的快速地震随机反演方法
Li et al. Improving adversarial robustness of 3D point cloud classification models
CN110543162B (zh) 一种强噪声下的运动控制系统多重故障辨识方法
CN116186643A (zh) 一种多传感器协同目标跟踪方法、系统、设备及介质
CN110034961B (zh) 以ooda链为元体的渗率计算方法
CN115811726A (zh) 一种面向移动端位置数据动态发布的隐私保护方法及系统
Miao et al. DOPH∞-based path-following control for underactuated marine vehicles with multiple disturbances and constraints
CN109344643A (zh) 一种面向图中三角形数据发布的隐私保护方法及系统
Li et al. An UKF‐based nonlinear system identification method using interpolation models and backward integration
CN109582914B (zh) 噪声相关的带偏差系统的并行式融合估计方法
CN110110428A (zh) 一种基于克里金模型优选与神经网络的压气机特性预测方法
CN114614797A (zh) 基于广义最大非对称相关熵准则的自适应滤波方法和系统
Dini et al. The augmented complex particle filter
Fang et al. Constrained optimal test signal design for improved prediction error
WO2019149376A1 (en) Method and system for processing input data using a neural network and normalizations
Michalek et al. Federated learning on android-highlights from recent developments
Zheng et al. An Enhanced Differential Private Protection Method Based on Adaptive Iterative Wiener Filtering in Discrete Time Series
Kaba et al. 3D generalized bias compensated pseudolinear Kalman filter for colored noisy bearings-only measurements
Diniz et al. Kalman filters
CN106092141A (zh) 一种改善相对位置传感器性能的方法及装置
Do et al. Adversarial manipulation of learning in linear-quadratic zero-sum differential games via cost poisoning
Luo et al. Multilevel declassification method for geographic vector field data: a geometric algebra approach

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
GR01 Patent grant
GR01 Patent grant