隨著移動互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、智慧城市等新一代信息服務(wù)的不斷發(fā)展,各行各業(yè)對軌跡數(shù)據(jù)的需求越來越高。軌跡數(shù)據(jù)包含豐富的時空信息,準(zhǔn)確及時地發(fā)布軌跡數(shù)據(jù)能夠為位置推薦、交通管理、城市規(guī)劃等行業(yè)應(yīng)用提供有力支持。但是,軌跡數(shù)據(jù)中包含用戶的敏感信息,發(fā)布未經(jīng)保護的軌跡數(shù)據(jù)可能會泄露用戶隱私。在眾多軌跡隱私保護算法中,差分隱私以其嚴(yán)格的數(shù)學(xué)定義和可量化的隱私保護水平成為了當(dāng)前的研究熱點�，F(xiàn)有研究中,主要存在兩類差分隱私軌跡數(shù)據(jù)發(fā)布方法:“局部加噪”和“全局加噪”。本文分析了上述兩類方法的優(yōu)勢和存在的問題,并在此基礎(chǔ)上提出了兩種差分隱私軌跡數(shù)據(jù)發(fā)布方法:（1）“局部加噪”是指通過加噪保護軌跡數(shù)據(jù)的局部特征,比如用戶的語義位置�！熬植考釉搿贝嬖谝欢ǖ闹饔^性,也忽略了語義位置間相關(guān)性對隱私泄露的影響。對此,本文結(jié)合停留點這一重要的語義位置,提出了一種基于停留點的差分隱私軌跡數(shù)據(jù)發(fā)布方法。該方法首先利用TF-IDF衡量停留點對用戶的重要程度,并將其作為指數(shù)機制的評分函數(shù)選擇需要被保護的停留點;然后,根據(jù)每個停留點被選擇的概率自適應(yīng)地分配隱私預(yù)算;最后,利用極坐標(biāo)下的二維拉普拉斯分布生成噪聲序列,并根據(jù)軌跡位... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 軌跡隱私保護研究現(xiàn)狀
        1.2.2 基于差分隱私的軌跡隱私保護研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)知識與理論基礎(chǔ)
    2.1 軌跡隱私保護
        2.1.1 軌跡的定義
        2.1.2 軌跡隱私保護的定義與存在的問題
        2.1.3 軌跡隱私保護的度量標(biāo)準(zhǔn)
    2.2 差分隱私
        2.2.1 差分隱私的定義
        2.2.2 差分隱私的組合性質(zhì)
        2.2.3 差分隱私的實現(xiàn)機制
    2.3 擴展卡爾曼濾波
        2.3.1 卡爾曼濾波
        2.3.2 擴展卡爾曼濾波
    2.4 本章小結(jié)
第3章 基于停留點的差分隱私軌跡數(shù)據(jù)發(fā)布方法
    3.1 問題提出
    3.2 TF-IDF的定義
    3.3 軌跡停留點選擇算法
    3.4 軌跡數(shù)據(jù)發(fā)布算法
    3.5 實驗與結(jié)果分析
        3.5.1 實驗數(shù)據(jù)集與參數(shù)設(shè)置
        3.5.2 結(jié)果分析
    3.6 本章小結(jié)
第4章 基于擴展卡爾曼濾波的差分隱私軌跡數(shù)據(jù)發(fā)布方法
    4.1 問題提出
    4.2 基于二維拉普拉斯分布的軌跡數(shù)據(jù)擾動算法
    4.3 基于擴展卡爾曼濾波的后置優(yōu)化算法
    4.4 實驗結(jié)果與分析
        4.4.1 實驗設(shè)置
        4.4.2 結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]RSSI的室內(nèi)人員卡爾曼濾波定位算法[J]. 倪云峰,石小紅.  西安科技大學(xué)學(xué)報. 2020(01)
[2]卡爾曼與擴展卡爾曼濾波的RFID降噪處理方法[J]. 崔哲.  科學(xué)技術(shù)創(chuàng)新. 2019(35)
[3]一種基于差分隱私機制的自適應(yīng)軌跡數(shù)據(jù)發(fā)布算法[J]. 張雙越,田豐,吳振強.  陜西師范大學(xué)學(xué)報(自然科學(xué)版). 2018(05)
[4]面向軌跡數(shù)據(jù)發(fā)布的隱私保護技術(shù)研究進展[J]. 徐振強,王家耀,楊衛(wèi)東.  測繪科學(xué)技術(shù)學(xué)報. 2018(01)
[5]基于PSO優(yōu)化的移動位置隱私保護算法[J]. 李婕,白志宏,于瑞云,崔亞盟,王興偉.  計算機學(xué)報. 2018(05)
[6]一種面向軌跡數(shù)據(jù)發(fā)布場景的用戶去匿名化攻擊方法[J]. 陳震宇,張敏,付艷艷,張振峰,李昊.  信息安全研究. 2017(10)
[7]一種基于假數(shù)據(jù)的新型軌跡隱私保護模型[J]. 董玉蘭,皮德常.  計算機科學(xué). 2017(08)
[8]一種滿足差分隱私的軌跡數(shù)據(jù)發(fā)布方法[J]. 霍崢,孟小峰.  計算機學(xué)報. 2018(02)
[9]CLM:面向軌跡發(fā)布的差分隱私保護方法[J]. 王豪,徐正全,熊禮治,王濤.  通信學(xué)報. 2017(06)
[10]基于濾波原理的時間序列差分隱私保護強度評估[J]. 熊文君,徐正全,王豪.  通信學(xué)報. 2017(05)



本文編號：3206090