[发明专利]基于R树的差分隐私轨迹保护方法

权利要求书

1.基于R树的差分隐私轨迹保护方法，其主要特征包括如下步骤：

(1.1)构建轨迹相似树：通过比较两条移动对象轨迹之间的相似性来代替R-树最小边界矩形的方法建立轨迹相似树，轨迹相似性包括计算轨迹序列相似程度以及度量Fréchet距离，另外，轨迹相似树节点中存储的是轨迹序列；

(1.2)构建DP-轨迹相似树：利用差分隐私将(1.1)中的轨迹相似树构建成DP-轨迹相似树，对该树上的移动对象统计值和位置数据外的其他数据均添加拉普拉斯噪音，抵御轨迹的其他信息推理攻击，从而保护轨迹数据中蕴含的用户隐私；

(1.3)数据一致性约束：针对添加噪音导致轨迹相似树上的噪音数据结果存在数据不一致的情况，对轨迹数据进行一致性约束。

2.根据权利要求1所述的基于R树的差分隐私轨迹保护方法，其特征在于，步骤(1.1)构建轨迹相似树，实现方法包括：

(2.1)计算不同轨迹之间的轨迹序列的相似程度，即不同轨迹之间相同轨迹序列占总的轨迹序列的百分比，轨迹序列的相似程度计算公式如下：

其中，T_i表示第i条轨迹，p＝(p₁p₂...p_n)表示轨迹序列。

(2.2)计算不同轨迹之间的Fréchet距离，将轨迹之间的Fréchet距离较小的划分到同一个区域。Fréchet距离的计算方式如下：

其中，α和β表示单位区间的重参数化函数，t表示时间点，d表示欧氏距离。

3.根据权利要求1所述的基于R树的差分隐私轨迹保护方法，其特征在于，步骤(1.2)构建DP-轨迹相似树，实现方法包括：

(3.1)构建轨迹相似树：首先，依据上述介绍的轨迹相似树的建立规则，将数据构造为轨迹相似树的索引结构。接着，利用差分隐私性质将差分隐私预算ε依据轨迹相似树的高度均分成为若干等份，均分后的大小为

(3.2)遍历轨迹相似树并添加噪声：对轨迹相似树进行层次遍历，依次遍历轨迹相似树上每一层的所有节点，对节点的数据类型进行判断，如果数据类型是移动对象的位置数据，统计该轨迹段上移动对象的数量，并对该数值添加拉普拉斯噪音；如果数据类型是其他数据，那么统计相应数据的数量，并且也对该数值添加拉普拉斯噪音。DP-轨迹相似树通过如上操作可以确保移动对象的轨迹隐私不被泄露。

4.根据权利要求1所述的基于R树的差分隐私轨迹保护方法，其特征在于，步骤(1.3)数据一致性约束，实现方法包括：

(4.1)一致性约束条件：由于在轨迹相似树的每个节点中添加的随机噪音是独立的，导致加噪后的数据不符合一致性约束，从而使得加噪后的数据可用性相对较差。本发明通过一致性约束提高加噪数据的可用性。对于给定的轨迹相似树，需满足下面两个限制条件保证加入噪音后的数据的可用性：对于轨迹相似树上的任意节点p_i，该节点并非根节点，节点p_i上的移动对象的数量值应当不高于其父亲节点上的移动对象数量值；对于轨迹相似树上的任意节点p_j，该节点并非叶子节点，都有节点p_j上的移动对象数量值应当等于其所有孩子节点上的移动对象的数量值之和；

(4.2)调整DP-轨迹相似树节点中移动对象的统计值：为使本发明的噪音数据满足(4.1)中的条件，采用一致性约束方法调整DP-轨迹相似树节点上移动对象的统计值。