时空关联下差分隐私轨迹保护新策略

本文主要探讨了一种创新的隐私保护方法，即"一种基于时空相关性的差分隐私轨迹保护机制"。随着位置服务(LBS)在日常生活中的广泛应用，用户的位置信息和个人轨迹成为了隐私保护的重要关注点。然而，传统的轨迹隐私保护技术往往忽视了地理空间的限制和位置随时间演变的关联性，这使得攻击者能够利用这些信息推断用户的敏感位置和轨迹。 文章首先从地理空间的拓扑关系出发，提出了CPI算法，这是一种用于评估地图上各个区域隐私级别的工具。它考虑到了地理特征，确保在提供服务的同时保护用户的隐私。作者构建了一个结合了隐私级别和差分隐私预算的隐私模型，这是对传统隐私保护理念的深化，旨在平衡隐私保护与服务需求之间的矛盾。 接着，文章引入了马尔可夫概率转移矩阵，深入分析了位置发布对用户当前位置和历史位置的影响。基于此理论，作者设计了一种名为DPIRM的差分隐私位置发布机制，通过随机化和噪声添加，有效地混淆了真实位置信息，从而增强了用户的轨迹保护。 在实证研究部分，作者使用真实数据集对提出的隐私模型和差分隐私位置发布机制进行了验证，结果显示这两个方法在保护用户位置和轨迹隐私方面具有很高的准确性和有效性。这表明该机制不仅理论上可行，而且在实际应用中也展现出良好的性能。 这篇论文为解决LBS中的轨迹隐私问题提供了一种新的策略，即通过考虑时空相关性并结合差分隐私技术，有效保护了用户的隐私，为位置服务的可持续发展提供了强有力的技术支持。同时，这也为后续的隐私保护研究和实践提供了有价值的参考。