基于差分隐私的轨迹隐私保护方案

摘要

为了解决现有采样机制和数据混淆方法容易导致公开发布的轨迹数据可用性较低和隐私保护不足的问题,提出了一种基于差分隐私的轨迹隐私保护方案.该方案通过建立新的基于时间泛化和空间分割的高效采样模型,并利用k-means聚类算法进行抽样数据处理,同时借助差分隐私保护机制对轨迹数据进行双重扰动,有效解决了具有强大背景知识的攻击者窃取用户隐私的问题.同时,为适应轨迹数据查询范围的误差边界,设计了有效的数据发布预判机制,保证了发布的轨迹数据的精度.仿真结果表明,与现有的轨迹差分隐私保护方法相比,所提方案在处理效率、隐私保护强度和数据可用性等方面具有明显的优势.