-
题名基于个性化时空聚类的差分隐私轨迹保护模型
- 1
-
-
作者
尹春勇
蒋奕阳
-
机构
南京信息工程大学计算机学院
南京信息工程大学软件学院
-
出处
《信息网络安全》
CSCD
北大核心
2024年第1期80-92,共13页
-
基金
国家自然科学基金[61772282]。
-
文摘
随着位置感知设备的普及,轨迹数据已广泛应用于现实生活。然而,轨迹数据通常与敏感标签相关联,不当地分享或发布这些数据可能会泄露用户的隐私,且不同数据的敏感程度互异。针对上述问题,文章提出了基于个性化时空聚类的差分隐私轨迹保护模型。首先,针对轨迹中海量时间数据与隐私保护的需要,文章提出模糊均值聚类算法(FCM算法);其次,在空间分割的过程中,通过密度进行聚类,并实现个性化调整隐私预算分配的目的,从而提高数据效用;再次,在轨迹合成阶段,对比真实轨迹数据,选择更具代表性的轨迹;最后,在发布阶段,引入Laplace机制对轨迹数目进行隐私保护。为了验证文章所提出的模型在轨迹效用与隐私保护上的成果,将该模型与另外两种模型在4个阶段上进行了比较。实验结果表明,文章所提出的模型在数据效用方面提升15.45%,在相同隐私预算下,隐私保护强度提升至少35.62%。
-
关键词
个性化预算分配
差分隐私
时空聚类
轨迹隐私
轨迹发布
-
Keywords
personalized budget allocation
differential privacy
spatiotemporal clustering
trajectory privacy
trajectory publication
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
