基于轨迹特征及动态邻近性的轨迹匿名方法研究

• 作者: 张健沛 杨静 王超
• 来源期刊: 自动化学报
• 关键词: 隐私保护 轨迹匿名 动态邻近性 邻域相似性 邻域扭曲密度
• 年，卷（期）: 2015,（2）
• 页码范围: 330-341
• 页数: 12页
• 字数: 12518字
• 语种: 中文
• DOI: 10.16383/j.aas.2015.c140139

摘要

移动社会网络的兴起以及移动智能终端的发展产生了大量的时空轨迹数据，发布并分析这样的时空数据有助于改善智能交通，研究商圈的动态变化等。然而，如果攻击者能够识别出轨迹对应的用户身份，将会严重威胁到用户的隐私信息。现有的轨迹匿名算法在度量相似性时仅考虑轨迹在采样点位置的邻近性，忽略轨迹位置的动态邻近性，因此产生的匿名轨迹集合可用性相对较低。针对这一问题，本文提出了邻域扭曲密度和邻域相似性的概念，充分考虑轨迹位置的动态邻近性，并分别提出了基于邻域相似性和邻域扭曲密度的轨迹匿名算法；前者仅考虑了轨迹位置的动态邻近性，后者不仅能衡量轨迹位置的动态邻近性，而且在聚类过程中通过最小化邻域扭曲密度来减少匿名集合的信息损失。最后，在合成轨迹数据集和真实轨迹数据集上的实验结果表明，本文提出的算法具有更高的数据可用性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	哈尔滨工程大学计算机科学与技术学院	240	1818	20.0	32.0
2	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
3	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