个性化假轨迹保护：一种新型隐私模型及算法

本文档主要探讨了一种针对位置服务普及带来的隐私泄露问题的新型解决方案，即一种基于假数据的轨迹隐私保护模型。作者董玉兰和皮德常，来自南京航空航天大学计算机科学与技术学院，他们在2017年8月发表的研究论文中，针对当前大部分假轨迹保护方法忽视用户个性化需求的现状，提出了一个创新的隐私保护机制。 该模型的核心理念是通过生成定制化的假轨迹来维护用户的隐私。模型共包含五个关键参数：短期位置暴露概率、长期轨迹暴露概率、轨迹偏移距离、轨迹局部相似度以及服务请求概率。用户可以根据自己的具体需求调整这些参数，以实现对自己位置信息的精细控制。例如，如果用户希望在满足一定隐私保护的同时，尽可能减少假轨迹的数量，他们可以调整这些参数的设置。 模型的核心部分是一个假轨迹生成算法，它能够根据用户设定的参数动态生成与真实轨迹相似但又不泄露个人实际位置的假轨迹。实验结果显示，这种算法在保持相同隐私保护水平的前提下，相较于传统方法，能有效地减少假轨迹的生成，特别是在考虑服务请求概率这一重要因素时，更能体现出其在保护移动对象轨迹隐私方面的优势。 文章的关键领域包括基于位置的服务（LBS）、轨迹隐私保护、隐私模型和假轨迹生成技术。该研究的分类号为TP309，文献标识码为A，且被赋予了DOI（数字对象标识符），方便读者查找和引用。这项工作对于提升位置服务的隐私保护水平具有重要意义，为解决现代信息技术中的隐私问题提供了一种新的思考路径。