数据发布中的轨迹隐私保护方法研究

摘要

近年来，随着GPS和其他移动定位设备及服务的广泛使用，使得收集到的轨迹数据也日益增多。一方面，轨迹数据中含有大量有价值的信息，通过挖掘和分析这些时空轨迹可以帮助支持多种与移动相关的决策；另一方面，每条轨迹中含有的信息都可以被攻击者所利用，以识别用户的敏感信息，比如个人的兴趣爱好、行为模式、生活习惯、健康状况等从而对用户构成不可预测的伤害。因此，在发布时空轨迹数据之前，需要对原始数据进行处理，以防止用户的隐私被重新识别。
　　目前，很多研究者们都针对这一问题展开研究并取得了一定的研究成果，其中轨迹k-匿名的方法是解决这一问题比较常用也是效果比较好的方法。传统的轨迹k-匿名方法是将时间和空间上相近的至少k条轨迹进行匿名，使得匿名后的这k条轨迹不可区分。它是针对轨迹上的所有点进行匿名，这就导致轨迹严重失真，影响数据质量。同时，为了将时空相近的轨迹划分到同一个k-匿名集中，需要对轨迹进行聚类。然而轨迹在时间和空间上的分布很难进行统一，因此需要更加复杂的算法对轨迹进行预处理。
　　另外，轨迹上各个点的隐私需求是不同的，攻击者的背景知识也与轨迹上某些特殊的点有关。因此，针对以上问题，本文提出了数据发布中基于兴趣点的轨迹k-匿名隐私保护方法。该方法主要通过保护轨迹上的兴趣点来达到保护轨迹隐私的目的。很显然，在轨迹匿名之前需要先提取轨迹的兴趣点，根据轨迹隐私需求和研究需要，首先给出了本文中兴趣点的定义。在形成轨迹k-匿名集的过程中，本文避免了复杂的轨迹距离计算，而是根据相近轨迹的特征将时空相近的轨迹划分到一个分组中，即时空相近的轨迹会经过相同的兴趣区域。最后，将同一个k-匿名集中的轨迹进行匿名发布，这里采用了位置交换的思想。轨迹的匿名只是针对轨迹上的兴趣点，而对于普通点将不作任何处理。因此在本文中，轨迹k-匿名是指由兴趣点所构成的轨迹的k-匿名。我们在真实生活中的轨迹数据集上进行了实验，并且通过两种不同的方法对发布后的数据质量进行评估。通过与现有方法进行比较，证明了本文所提出的方法在达到隐私需求的前提下提高了数据质量。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究背景与意义

1.2 研究现状

1.3 论文主要研究内容

1.4 论文结构安排

第2章 轨迹隐私保护技术研究

2.1轨迹隐私保护的相关知识

2.2轨迹隐私保护技术

2.3轨迹隐私保护技术评估

2.4本章小结

第3章 基于POI的轨迹k-匿名隐私保护方法

3.1概述

3.2基于兴趣点的轨迹k-匿名隐私保护算法

3.3 兴趣点提取

3.4 轨迹分组

3.5 轨迹匿名发布

3.6 隐私保证

3.7 本章小结

第4章 实验与结果分析

4.1 实验环境及实验数据

4.2 实验分析

4.3数据质量评估

4.4 本章小结

结论

参考文献

致谢