基于自适应连续时间的群智感知轨迹隐私保护方案

针对轨迹差分隐私保护存在的预测精度差、隐私预算分配效用低的问题,本文提出自适应连续时间序列下的群智感知轨迹预测方案.首先在任务分配阶段,为参与者分配轨迹路线;其次引入隐马尔可夫模型(Hidden Markov Model,HMM),对轨迹进行预测;然后使用预分配和自适应分配相结合的综合隐私预算分配方法,降低隐私预算;最后利用拉普拉斯机制,进行位置扰动.实验结果表明,与相关工作相比,所提方法兼顾预测性和低预算性,对群智感知中参与者在轨迹隐私安全保护上具有良好的保护效果.