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。