【技術實現步驟摘要】
本專利技術屬于群智感知領域，具體涉及到一種基于時空密度的軌跡隱私保護方法。
技術介紹
1、群智感知(crowd?sensing，cs)通過吸納廣泛的參與者，將分散的信息和知識匯聚成整體，形成具有價值的資源和產出，推動社會創新和發展。群智感知網絡感知設備的普遍性和參與者位置移動的靈活性，完美的解決了傳統傳感器感知網絡在面對大范圍大規模的感知任務時需要安裝大量專業傳感設備，導致維護成本高且覆蓋范圍受限使得感知任務的完成效果和效率都大打折扣的問題。群智感知存在著三個實體分別是：任務發布者、感知平臺和參與者。任務發布者發布感知任務到感知平臺，參與者提交感知數據到感知平臺完成群智感知數據的采集上傳過程。其中，參與者提交上傳感知數據時可能會遭受外部攻擊者的攻擊導致包括參與者的身份、位置信息的泄露。
2、由于群智感知參與者眾多，實時性較強，連續的參與者位置信息即參與者的軌跡信息面臨著極大的隱私泄露風險。外部攻擊者可以根據參與者對某些位置的訪問頻率推測出軌跡位置中的重要位置區域。如圖1所示，人們通常帶有一定目的去一些地方，如回家休息(a)，單位上班(b)，超市(c)購物，興趣班(d)學習，公園(e)游玩，餐館(f)吃飯等。這些行為可以從側面反映出人們的職業、興趣愛好、行為習慣等。但是，對于家(a)、單位(b)這些地方人們在一天時間內逗留時間最長，所需隱私保護強度更高。而超市(c)、興趣班(d)、公園(e)等地在一天逗留時間雖短但在一段時間內卻頻繁且有規律，因此需要較高級別的隱私保護強度。但是對于餐館(f)或一些娛樂場所，短時間逗留但
3、當前軌跡隱私保護方法中使用差分隱私方法居多，基于差分隱私的個性化軌跡保護方法常通過判斷軌跡敏感度等級來施加不同級別的差分隱私保護。目前的軌跡敏感等級判定方法分為基于劃分的敏感級別判定方法和基于密度的敏感級別判定方法。基于劃分的敏感級別判定方法需要經過多次迭代時間復雜度較高。目前群智感知軌跡隱私保護方案還面臨著下面兩個挑戰。
4、(1)如何提高隱私保護后軌跡的可用性。
5、(2)如何高效的判斷參與者不同的隱私保護需求實現個性化的隱私保護同時保證較高的運行效率。
6、針對以上兩個挑戰，本專利技術提出一種基于時空密度聚類的群智感知軌跡隱私保護方法。通過時空密度噪聲的應用空間聚類方法，對每個參與者的歷史軌跡聚簇，找到敏感區域并定義敏感軌跡等級函數劃分敏感等級。根據參與者活動軌跡點的時空關系，提取實時駐點，綜合參與者敏感軌跡等級和與軌跡駐點之間的距離為不同駐點打分，根據得分采取不同的差分隱私保護，從而實現參與者個性化隱私保護。
技術實現思路
1、為了在個性化隱私保護的基礎上，提高軌跡可用性和運行效率，我們提出了一種基于時空密度聚類的群智感知軌跡隱私保護方法，充分考慮參與者的時空屬性，結合參與者的敏感偏好，實現參與者的個性化隱私保護。整體框架如圖2所示。
2、(1)基于時空密度的敏感軌跡聚類方法包括敏感軌跡聚類方法和敏感軌跡聚類等級劃分方法。敏感軌跡聚類方法首先判斷各軌跡點的周邊稠密程度，然后再對參與者敏感區域進行判斷。敏感軌跡聚類等級劃分方法通過構建敏感軌跡聚類等級函數得到敏感軌跡聚類等級。
3、(2)基于敏感軌跡聚類等級的差分隱私軌跡保護方法dp-stcl(differentialprivacy?method?based?on?sensitive?trajectory?clustering?level)。首先提取軌跡駐點，綜合考慮敏感軌跡聚類等級和駐點與敏感區域的距離為駐點打分，根據得分分配不同的差分隱私預算，實施個性化隱私保護。
4、與現有的技術相比，本專利技術的有益成果是：(1)提出了一種基于時空密度的敏感軌跡聚類方法，該方法采用基于時空密度的噪聲應用空間聚類算法對參與者的歷史軌跡聚類。綜合考慮參與者軌跡的時間屬性和空間屬性，通過對參與者的歷史軌跡進行時空密度聚簇判斷參與者的敏感區域，使得敏感區域判定更精確，提高了擾動后軌跡的可用性。
5、(2)提出了基于敏感軌跡聚類等級的差分隱私軌跡保護方法dp-stcl，充分考慮軌跡的時空屬性提取軌跡駐點，綜合軌跡駐點與敏感區域的距離和敏感區域的等級分配隱私預算對駐點施加不同的級別差分隱私擾動，在滿足個性化軌跡隱私保護的同時具有良好的運行效率。
本文檔來自技高網...【技術保護點】
1.一種基于時空密度聚類的群智感知軌跡隱私保護方法，其特征在于所述群智感知軌跡隱私保護方法包括以下步驟：
2.根據權利要求1所述的一種基于時空密度聚類的群智感知軌跡隱私保護方法，其特征在于，在步驟1中，所述基于時空密度的敏感軌跡聚類方法包括：對參與者歷史軌跡采用敏感軌跡聚類方法，選擇一個未被處理的軌跡點通過計算該軌跡點與鄰域軌跡點的空間距離和時間距離，找到該軌跡點滿足距離閾值eps和時間閾值minT內的所有鄰域點，判斷鄰域其軌跡點數大于密度閾值minPts，滿足則加入核心點集合。核心點集合中每一個軌跡點，判斷各自滿足距離閾值eps和時間閾值minT內的所有鄰域點是否大于密度閾值minPts，滿足則將各自鄰域內的點也添加到核心點集合。如此遞歸的執行方法，發展出一片密度相近的軌跡敏感區域集合。
3.根據權利要求1所述的一種基于時空密度聚類的群智感知軌跡隱私保護方法，其特征在于，在步驟2中，所述基于敏感軌跡聚類的等級劃分方法包括：定義敏感軌跡等級函數，首先通過判斷各敏感軌跡聚類的軌跡點個數來判斷敏感軌跡聚類的大小，通過計算敏感聚類內軌跡點的緊密程度即敏感聚類平均
4.根據權利要求1所述的一種基于時空密度聚類的群智感知軌跡隱私保護方法，其特征在于，在步驟3中，所述基于采用敏感軌跡聚類等級的差分隱私軌跡保護方法包括：根據參與者活動軌跡點的時空關系，提取軌跡駐點，綜合考慮敏感區域等級和參與者軌跡駐點中心與敏感區域的距離得出駐點得分，根據得分選擇合適的隱私預算達到個性化隱私保護的目的。
...【技術特征摘要】
1.一種基于時空密度聚類的群智感知軌跡隱私保護方法，其特征在于所述群智感知軌跡隱私保護方法包括以下步驟：
2.根據權利要求1所述的一種基于時空密度聚類的群智感知軌跡隱私保護方法，其特征在于，在步驟1中，所述基于時空密度的敏感軌跡聚類方法包括：對參與者歷史軌跡采用敏感軌跡聚類方法，選擇一個未被處理的軌跡點通過計算該軌跡點與鄰域軌跡點的空間距離和時間距離，找到該軌跡點滿足距離閾值eps和時間閾值mint內的所有鄰域點，判斷鄰域其軌跡點數大于密度閾值minpts，滿足則加入核心點集合。核心點集合中每一個軌跡點，判斷各自滿足距離閾值eps和時間閾值mint內的所有鄰域點是否大于密度閾值minpts，滿足則將各自鄰域內的點也添加到核心點集合。如此遞歸的執行方法，發展出一片密度相近的軌跡敏感區域集合。...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。