时空数据发布中的隐式隐私保护?

• 作者: 孟小峰 王璐 郭胜娜
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 隐式隐私 时空数据 隐私保护
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 数据开放与隐私管理专题
• 页码范围: 1922-1933
• 页数: 12页
• 分类号: TP311
• 字数: 10020字
• 语种: 中文

摘要

随着大数据时代的到来，大量的用户位置信息被隐式地收集。虽然这些隐式收集到的时空数据在疾病传播、路线推荐等科学、社会领域中发挥了重要的作用，但它们与用户主动发布的时空数据相互参照引起了大数据时代时空数据发布中新的个人隐私泄露问题。现有的位置隐私保护机制由于没有考虑隐式收集的时空数据与用户主动发布的位置数据可以相互参照的事实，不能有效保护用户的隐私。首次定义并研究了隐式收集的时空数据中的隐私保护问题，提出了基于发现-消除的隐私保护框架。特别地，提出了基于前缀过滤的嵌套循环算法用于发现隐式收集的时空数据中可能泄露用户隐私的记录，并提出基于频繁移动对象的假数据添加方法消除这些记录。此外，还分别提出了更高效的反先验算法和基于图的假数据添加算法。最后，在若干真实数据集上对提出的算法进行了充分实验，证实了这些算法有较高的保护效果和性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟小峰	中国人民大学信息学院	135	6213	41.0	77.0
2	王璐	中国人民大学信息学院	44	298	6.0	17.0
3	郭胜娜	中国人民大学信息学院	1	9	1.0	1.0