摘要：针对传统轨迹数据发布未考虑用户在不同场所的隐私偏好问题，笔者提出一种基于差分隐私的轨迹隐私分级的数据发布方法。为了满足用户对不同敏感度数据的隐私保护需求，设置停留点和热点属性，根据用户隐私偏好赋予不同的隐私级别。基于密度聚类算法将高密度轨迹点划分到同一个簇中，引入标准差对轨迹进行均匀分段，降低处理轨迹数据的时空复杂性。构建噪声轨迹段前缀树，根据轨迹隐私级别的权重和树高来分配隐私预算，引入马尔可夫链来限制添加到数据中的噪声大小。实验结果表明，所提方法有效地平衡了数据可用性和隐私性。
文章目录
1 系统模型
1.1 基于DBSCAN的轨迹分割
1.2 基于停留点和热点的轨迹隐私分级
1.3 前缀树构建
2 基于差分隐私的轨迹数据隐私保护
3 实验分析
3.1 实验数据集与环境
3.2 算法分析
3.2.1 可用性分析
3.2.2 隐私性分析
3.2.3 时间开销
4 结束语
