基于轨迹形状多样性的隐私保护算法

来源：计算机应用杂志2016年第6期北京时间：

作者：孙丹丹, 罗永龙, 范国婷, 郭良敏, 郑孝遥

单位：1. 安徽师范大学 计算机科学与技术系, 安徽 芜湖 241003;2. 安徽师范大学 网络与信息安全工程技术研究中心, 安徽 芜湖 241003

摘要：针对匿名集内轨迹间的高度相似性而导致的轨迹隐私泄露问题,提出基于轨迹形状多样性的隐私保护算法。该算法通过轨迹同步化处理的方式改进轨迹数据的预处理过程,以减少信息损失;并借鉴l-多样性思想,在贪婪聚类时选择l条具有形状多样性的轨迹作为匿名集成员,以防止集合内成员轨迹的形状相似性过高而导致轨迹形状相似性攻击。理论分析及实验结果均表明,该算法能够在保证轨迹k-匿名的同时满足l-多样性,算法运行时间较小,且减少了轨迹信息损失,增强了轨迹数据的可用性,更好地实现了轨迹隐私保护,可有效应用到隐私保护轨迹数据发布中。

关键词：轨迹数据发布,隐私保护,轨迹匿名,k-匿名,l-多样性

基金资助：国家自然科学基金资助项目(61370050);安徽省自然科学基金资助项目(1508085QF133);安徽省高校省级自然科学研究重点项目(KJ2014A084)。