基于CCA的个性化轨迹隐私保护算法

• 作者: 印桂生 张健沛 李文平 杨静
• 来源期刊: 吉林大学学报（工学版）
• 学科: 工学
• 关键词: 计算机应用 隐私保护 个性化 典型相关分析 隐变量模型
• 年，卷（期）: 2015,（2）
• 页码范围: 630-638
• 页数: 9页
• 分类号: TP309
• 字数: 9185字
• 语种: 中文
• DOI: 10.13229/j.cnki.jdxbgxb201502044

摘要

针对轨迹隐私保护的个性化需求问题,提出一种基于典型相关分析的个性化轨迹隐私保护算法.算法对数据产生者认为不敏感的轨迹直接发布,而仅对数据产生者认为敏感的轨迹施以隐私保护操作.隐私保护过程中,先由不敏感轨迹和敏感轨迹获得二者的隐变量,再根据隐变量产生随机轨迹以替代敏感轨迹.该算法不仅能较好地尊重数据产生者的隐私保护意愿,而且能获得较高的轨迹质量.在真实轨迹数据上的实验结果验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0