【技术实现步骤摘要】
本专利技术涉及差分隐私保护，尤其涉及一种基于个性化本地差分隐私的轨迹合成方法。
技术介绍
1、大数据时代下，基于位置的服务被广泛应用，这些服务会获取大量用户的轨迹数据。将其用于数据分析，可以给用户带来个性化的服务，提升服务质量，这是各服务提供商秘而不宣的事实。轨迹数据集包含大量用户的隐私信息，挖掘这些数据集会带来隐私泄露的风险，用户的个人隐私在数据挖掘算法下无所遁形，用户的生活习惯、个人喜好、健康状况等敏感信息都能够被轻易的分析出来，因此，在将其发布用于数据挖掘之前必须进行处理，以保护用户的个人隐私。
2、轨迹数据集的保护不是简单的删除与用户相关的标识符就能够实现的，倘若攻击者拥有的背景知识足够多，就能够将数据与用户一一对应联系起来，用户的个人隐私将完全暴露。虽然基于差分隐私的轨迹数据发布方法则避免了这个缺点，无论对手拥有多少背景知识，其发布的轨迹数据集都具有同样的隐私保护效果。但是当前绝大部分基于差分隐私的轨迹保护方法都基于中心服务器的加噪处理，即假定了第三方数据收集者是绝对可信的，将原始的轨迹数据集上传到中心服务器，并由中心服务器进行聚合、扰动和发布。这种假设难以保证，无论第三方数据收集着将用户的原始数据集主动出售给他人或是存放于服务器的原始轨迹数据集被黑客窃取，上传到服务器的原始用户数据集都有被他人获取的可能。
3、本地差分隐私(ldp)是近年来提出的新的差分隐私定义，每个用户在本地扰动数据，保证两个记录的查询结果的相似性，确保算法满足本地差分隐私，即根据本地差分隐私的输出结果，无法判断其输入是哪一
技术实现思路
1、为了解决上述技术问题，本专利技术的目标是提供一种基于个性化本地差分隐私的轨迹合成方法，无需假定中心服务器的完全可靠，将轨迹数据的扰动转移到本地进行，大大地降低了个人隐私泄露的可能。
2、本专利技术所采用的技术方案是：一种基于个性化本地差分隐私的轨迹合成方法，包括以下步骤：
3、服务器端数据聚合器进行区域划分，并基于划分区域构建四叉树；
4、客户端聚合器获取四叉树、层参数和隐私参数，并基于四叉树和层参数对轨迹点进行编码，得到轨迹点原始编码；
5、基于隐私参数分配隐私预算，并根据隐私预算对轨迹点原始编码进行扰动添加，得到轨迹点扰动编码；
6、服务器端数据聚合器获取轨迹点扰动编码，并进行移动模式计算，得到轨迹的预测移动模式；
7、基于轨迹的预测移动模式进行泛化区随机选择，得到合成轨迹。
8、进一步，所述服务器端数据聚合器进行区域划分，并基于划分区域构建四叉树这一步骤，其具体包括：
9、确定矩形区域范围，并按照四等分方式对矩形区域进行若干次递归划分，得到若干小矩形区域；
10、计算矩形区域的经纬度范围，并递归的计算若干小矩形区域的经纬度范围，并进行记录；
11、建立一个满四叉树，将矩形区域的经纬度范围和方向标签作为根节点的属性；
12、自上而下依次添加小矩形区域的经纬度范围和方向标签作为孩子节点的属性，得到四叉树。
13、通过该优选步骤，能够很快地将区域划分，也能够很快获取索引，且索引长度具有优势，划分每多一次，区域大小减小为四分之一，但索引长度仅仅加2，可以根据需求灵活地选择划分次数。
14、进一步，所述客户端聚合器获取四叉树、层参数和隐私参数，并基于四叉树和层参数对轨迹点进行编码，得到轨迹点原始编码这一步骤，其具体包括：
15、基于四叉树对轨迹点进行遍历选择，得到轨迹点的四叉树索引；
16、根据轨迹点的四叉树索引和层参数计算区域码和内部码；
17、将内部码转换成一元编码；
18、对区域码和一元编码进行拼接，得到轨迹点原始编码。
19、通过该优选步骤，生成轨迹点原始编码。
20、进一步，所述基于隐私参数分配隐私预算，并根据隐私预算对轨迹点原始编码进行扰动添加，得到轨迹点扰动编码这一步骤，其具体包括：
21、基于各轨迹点的访问频率和位置灵敏度计算轨迹点隐私权重；
22、根据隐私权重对轨迹点进行排序，并划分隐私等级；
23、基于隐私参数计算轨迹总隐私，并按照隐私等级分配隐私预算；
24、根据隐私预算对轨迹点原始编码进行扰动添加，得到轨迹点扰动编码。
25、通过该优选步骤，为轨迹点设计个性化的隐私预算分配方案，既能保证敏感地点的更高隐私保护程度，也能满足个性化本地差分隐私的隐私预算分配要求。
26、进一步，所述轨迹点隐私权重，其表达式如下：
27、wω＝fω×p(ω)
28、其中，ω表示位置，fω表示用户访问位置ω的频率，p(ω)表示位置灵敏度，wω表示轨迹点隐私权重。
29、进一步，所述隐私预算分配，其表达式如下：
30、
31、其中，ti表示|t|个轨迹点组成的轨迹中的第i个轨迹点，θ1、θ2表示增强敏感地点保护程度的个性化隐私参数，表示轨迹点的隐私级别，l1、l2分别表示第一隐私级别和第二隐私级别，n1、n2和n3分别表示第一隐私级别、第二隐私级别和第三隐私级别的轨迹点在轨迹t中的个数，表示分配的隐私预算，∈average表示平均隐私预算。
32、进一步，所述服务器端数据聚合器获取轨迹点扰动编码，并进行移动模式计算，得到轨迹的预测移动模式这一步骤，其具体包括：
33、服务器端数据聚合器获取轨迹点扰动编码，统计其区域码，得到计数矩阵；
34、基于计数矩阵进行无偏估计，得到泛化区的频率估计；
35、通过lasso回归对泛化区的频率估计进行联合分布计算，得到轨迹的预测移动模式。
36、通过该优选步骤，预测轨迹的移动模式，使得后续基于轨迹移动模式随机选择得到的合成轨迹能够在保留隐私的前提下，具备更高的分析价值。
37、本专利技术方法的有益效果是：本专利技术通过构建四叉树对区域内的轨迹点进行编码，将轨迹点映射到一个编码，具备索引划分灵活和计算简单的特点；基于个性化的隐私预算分配方案和优化一元编码为轨迹点原始编码添加扰动，实现差异化的扰动；服务器聚合器收到扰动的轨迹数据集，统计相邻维度的移动模式，并根据移动模式来随机选择轨迹点泛化的区域，得到合成轨迹，实现无需假定中心服务器的完全可靠，将轨迹数据及其扰动转移到本地进行，大大地降低了个人隐私泄露的可能。
本文档来自技高网...【技术保护点】
1.一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述服务器端数据聚合器进行区域划分，并基于划分区域构建四叉树这一步骤，其具体包括：
3.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述客户端聚合器获取四叉树、层参数和隐私参数，并基于四叉树和层参数对轨迹点进行编码，得到轨迹点原始编码这一步骤，其具体包括：
4.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述基于隐私参数分配隐私预算，并根据隐私预算对轨迹点原始编码进行扰动添加，得到轨迹点扰动编码这一步骤，其具体包括：
5.根据权利要求4所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述轨迹点隐私权重，其表达式如下：
6.根据权利要求4所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述隐私预算分配，其表达式如下：
7.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在
...【技术特征摘要】
1.一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述服务器端数据聚合器进行区域划分，并基于划分区域构建四叉树这一步骤，其具体包括：
3.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述客户端聚合器获取四叉树、层参数和隐私参数，并基于四叉树和层参数对轨迹点进行编码，得到轨迹点原始编码这一步骤，其具体包括：
4.根据权利要求1所述一种基于个性化本地差分隐私的轨迹合成方法，其特征在于，所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。