[发明专利]基于隐私核心集和staircase机制的轨迹数据发布方法

说明书

本发明公开了一种基于隐私核心集和staircase机制的轨迹数据发布方法，包括基于隐私核心集的差分隐私位置扰动算法和基于staircase机制的轨迹发布算法；本发明首先对原始轨迹数据中每个时间点的位置集合进行位置扰动，然后根据原始轨迹所属的类把经过位置扰动后每个时刻的类中心点依次连接起来，重构轨迹，并且对重构轨迹的计数添加满足差分隐私的噪声；在同样的隐私预算下产生更小的噪声，从而提高轨迹数据的有用性。

技术领域

本发明涉及数据发布技术领域，尤其涉及一种基于隐私核心集和staircase机制的轨迹数据发布方法。

背景技术

轨迹数据在许多领域[1][2]都有应用价值。虽然轨迹数据提供了巨大的好处，但它对个人隐私构成了严重的威胁[5][6]。在收集了足够的数据之后，收集者通常会将其发布到内部部门或外部合作伙伴以进行各种分析[7]。如果轨迹数据以不合适的形式发布，对手可能会利用背景知识将移动轨迹与个人联系起来，并进一步推断出敏感的个人信息，如家庭地址、健康状况和爱好等。因此，轨迹数据的隐私保护发布机制是十分重要的。

基于随机化的的隐私模型比如差分隐私[15]最近在许多工作[16]中被应用于隐私保护的轨迹数据发布。差分隐私是Dwork[17]在2006年针对数据库的隐私泄露问题提出的一种新的隐私定义，其主要思想是任一个体在数据集中或者不在数据集时，对最终发布的查询结果几乎没有影响。具体的说[18]，设有两个几乎完全相同的数据集(两者的区别仅在于一个记录不同)，分别对这两个数据集进行查询访问，同一查询在两个数据集上产生同一结果的概率的比值接近于1.该模型不考虑攻击者的背景知识，能保证输出对任何个体的数据不敏感。

Chen[19]等人提出了第一个满足差分隐私的轨迹发布机制。他们利用噪声前缀树将前缀相同的轨迹序列放到相同的分支中，从而缩减了输出域，保证了发布轨迹过程的高时间效率。他们还通过变长n元模型[20]去改进了原来的方法。He等人[21]提出了基于用户原始GPS轨迹数据的利用分层参照系的满足差分隐私的轨迹数据合成方法。Zhao[27]等人提出了基于前缀树的轨迹数据隐私保护方法。在他们提出的前缀树结构中，树的节点存储轨迹段。他们将参数最小描述长度法与Dijkstra方法相结合，选择代表整个轨迹的特征轨迹点，进一步降低了数据处理的(计算)复杂度。然而，上面提到的方法[19][20][21][27]都有一个隐含假定，即在处理后的要发布的轨迹包含大量的公共前缀或者满足n元模型，但是在许多情况下这个假定是不成立的。

Hua[22]等人想要移除这个假定并且提出了不需要这个假定的满足差分隐私的轨迹发布机制。他们通过指数机制选择划分方法来对每一时刻的位置集进行分组以及在前面的基础上对重构轨迹计数添加差分隐私中常用的laplace噪声来实现轨迹隐私保护。但是，由于原始的laplace噪声是无界的，可能会影响数据的有用性和隐私。Li[3]等人提出了一个满足差分隐私的有界laplace噪声的轨迹数据发布机制，并且他们去除了移除原始轨迹的划分方法，提高了数据的有用性和发布效率。

通过上述分析，现有技术存在的问题及缺陷为：(1)通过指数机制来选择每一时刻的位置点的分组策略在理论上是可行的，但是在实际中并不一定可行。[22]通过指数机制来选择每一时刻的位置点的分组策略时，必须为m^s种划分策略计算和分配对应的概率(m代表划分的组数，s代表原始轨迹的条数)，当m或者s特别大时，就目前的计算能力而言可能是不可行的，但是对于一个大型轨迹数据集而言是不可避免的。比如有一个5000条轨迹的轨迹数据集，在每一时刻的位置点有5000个，即s＝5000。假设我们把位置点最后分成60组，那么最后总的划分策略会达到60⁵⁰⁰⁰种。为每一种划分方法计算对应的概率是不可行的。于是[22]将分组策略的数量从原来的m^s优化到了1+φ+s种。而其中的s种分组策略是去掉一个原始轨迹在该时刻的位置点(假设一共s条原始轨迹，所有的轨迹都考虑一遍)再进行k-means聚类，因此在重构轨迹时可能会丢失原始轨迹(如果在一个或一些时间点选择到了这s种分组策略里的一种)，从而降低轨迹数据的有用性。