结合四叉树划分的差分隐私位置发布算法

差分隐私技术是一种与背景知识无关的强隐私保护模型,其通过应用随机算法对真实位置添加噪声进行干扰后发布,然而在位置发布时大多会忽略了位置稀疏程度对位置差分隐私保护算法的影响.针对此问题,本文在已有发布算法的基础上,提出了一种位置差分隐私发布算法DPLIP:首先针对用户兴趣区外的扰乱位置点,采用映射函数对其进行处理,以减小噪声注入量;其次按照四叉树结构对用户兴趣区进行划分,并以各个节点权重占总权重的比值作为区域划分的依据;最后结合划分后区域的位置点稀疏程度对该区域位置点添加噪音,然后从真实位置和扰乱位置中随机选取位置点进行发布.实验结果表明:相同隐私预算的前提下,DPLIP算法能有效的提高可行性和数据可用性.

基于GPS的公共交通智能调度与位置发布系统

随着我们国家经济建设迅速发展,经济实力得到了极大提升,人们的生活质量越来越好,出行更加方便,飞机、公交车、班车、小汽车、面包车等等,得到了很好的发展,并且交通工具的存在给人们生活带来了极大便利,保障了现代人的生活质量。

一种个性化位置数据发布KSPPL-Anonymity算法

【目的】位置数据中包含大量的用户隐私信息,在位置数据发布中,若直接发布原始数据会暴露用户的位置等信息,对用户的个人隐私产生巨大威胁,在连续的位置数据发布中,这一现象更为凸显。因此,提出了一种基于k-匿名和位置划分的个性化位置数据发布算法KSPPL-Anonymity。【方法】该算法通过位置划分提高了位置k-匿名的效率;针对噪声数据的插入会降低数据的可用性这一问题,该算法中提出了一种噪声数据的产生方式,提高了数据的可用性;用户敏感位置的泄露会对用户隐私造成极大的威胁,所以该算法中提出了一种获取与敏感位置关联程度最低的非敏感位置的方法,这极大保护了用户的敏感位置不被暴露;通过时间序列分析用户位置数据,避免出现因用户长时间停留在某一敏感位置,而多次用同一非敏感位置代替敏感位置造成的隐私泄露风险。【结果】相关实验证实,与以前的位置数据发布方法相比,本文算法在数据可用性、隐私保护能力和运行效率方面都有一定的提高。【结论】本文提出的算法能更好地保护用户的隐私,并满足用户的个性化隐私保护需求,同时保证数据的可用性。

Voronoi图划分实现位置数据发布隐私保护

针对位置这一特殊数据发布的隐私问题,提出了基于Voronoi图预划分的隐私保护策略。该策略通过信息熵计算处理待发布位置与敏感位置关联关系,并利用关联最低位置作为图心建立Voronoi图。进而利用Voronoi单元格特性将待发布的位置信息替换为图心位置,以此实现敏感信息隐藏的目的。在信息隐藏的基础上,利用广义差分隐私原理,提出了基于位置发布数据的ε-敏感位置关联隐私模型,并证明所提出的算法能够满足该模型。最后,通过比较实验进一步证明了所提出的算法在隐私保护能力和发布数据可用性方面的优势,并对实验结果进行了详细的成因分析。

基于转移概率的位置隐私保护算法

基于位置的服务(location based service,LBS)得到了广泛应用,同时,用户的位置数据面临着巨大的隐私风险。因此,针对现有位置隐私方法中存在攻击者通过分析用户移动模式降低用户位置匿名度的问题,提出基于转移概率的位置隐私保护算法,通过马尔可夫链对用户的移动模式建模得到用户的转移概率,根据转移概率构建最优保护位置集,用策略图形式化保护位置集,通过拉普拉斯机制发布最优位置。通过实验分析,所提算法在保证用户位置隐私和发布效用的同时,拥有较低的时间成本。

事件状态下基于车流波动理论的VMS发布位置选取研究

为充分发挥路网中现有VMS的信息提示和路径诱导作用,本文提出了一种事件状态下VMS发布位置的选取方法。该方法通过建立事件影响范围模型,代入相关交通流参数和事件参数,计算出交通状态受到影响的任意时刻的范围边界点到事件点的浮动距离,最后以此距离判断是否需要选取某一位置的VMS进行信息发布。本文分析了VMS发布位置选取不当的两个方面,介绍了VMS发布位置选取计算方法和流程,并以山西省太原一佳县路段的追尾事故为例,进行了具体分析。

基于位置的发布/订阅索引结构

为了使空间文本数据的处理更加快捷准确,针对基于位置的发布/订阅提出了将R-tree与布尔表达式有效结合的索引结构TR-tree.TR-tree主要由文本索引与空间索引组成,其中文本索引根据订阅中谓词的数量和不同的关键谓词将空间文本数据进行订阅分组和谓词分组.文本索引中使用了操作符列表储存谓词,以达到避免重复储存谓词、减少内存使用的目的.空间索引根据关键谓词与谓词数量构建不同的R-tree,增强了空间修剪的性能.实验结果表明TR-tree具有高效的匹配能力与较好的内存管理性能.

用户的行动轨迹还原与隐私风险度量

位置隐私保护是位置服务中的关键安全问题.当前的位置发布隐私保护方法忽略了位置点之间的时空关联特性对敏感轨迹信息泄露的重要影响.本文提出了一种基于敏感轨迹点还原的风险模型,利用真实的样本轨迹数据,构造基于马尔科夫链的轨迹隐私威胁模型,基于时空上下文信息计算敏感轨迹点被还原的条件概率,还原由删除或抑制而造成的不完整轨迹数据.基于真实的轨迹数据完成实验,验证了该算法在轨迹数据还原准确性方面达到了80%以上.同时,针对行动轨迹还原中存在的隐私泄露问题,提出一种轨迹数据隐私风险度量模型,通过计算敏感状态的先验概率和后验概率之间的差值来评价轨迹还原造成的隐私泄露程度,估计轨迹点的发布对敏感位置的安全性影响,减少隐私泄露的风险.实验验证了该隐私保护算法的有效性.