移动轨迹数据发布中的隐私度量框架研究

在移动轨迹数据发布场景中,由于攻击者所拥有的背景知识及攻击模型的差异,使得无法对不同隐私保护机制的隐私保护度和数据可用性进行统一评价。针对该问题,提出了一个顾及用户、攻击者和隐私保护机制的度量框架。定义了一个融合攻击者背景知识和攻击方法等因素的隐私度量指标Um,使得不同的隐私保护机制在统一度量下能够进行有效性比较,有助于数据发布方选择合适的隐私保护机制以获取隐私保护和数据可用性之间的均衡。在两个真实轨迹数据集上进行的实验验证了该框架以及度量指标的有效性。

面向轨迹数据发布的隐私保护技术研究进展

大规模移动对象轨迹数据的采集、发布及分析挖掘,为诸如交通路况分析、城市规划及社区发现等各类应用提供了有效的支撑。然而,如果不加保护地直接发布这些轨迹数据,恶意的攻击推理将对个体隐私带来严重的威胁。因此,兼顾用户高隐私保护度和数据高可用性的隐私保护技术是轨迹数据发布研究中的核心内容。首先,介绍了轨迹数据发布的场景、架构以及隐私保护的目标;然后,阐述了近年来国内外该领域中主要的隐私保护技术及相应的度量标准;最后,展望了该领域的未来研究工作。