轨迹数据上的kmn-anonymity用户隐私关系保护

• 作者: 宁博 杨姿 白梅
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 轨迹 关系保护 隐私 kmn-anonymity
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1655-1663
• 页数: 9页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.022

摘要

移动设备的普及方便了用户的生活,但隐私泄露的问题也受到用户的关注.轨迹中含有用户的多种信息,攻击者能够从轨迹中挖掘出用户间的隐私关系.目前有很多的研究针对个人的隐私保护,针对轨迹数据保护用户间亲密关系的隐私保护问题研究工作相对较少.首先,文中提出了度量用户间亲密关系的度量方法,还提出了可以保护多用户间亲密关系的隐私保护模型,kmn-anonymity.针对提出的kmn-anonymity模型提出了一种隐私保护方法,在该方法中综合使用了泛化、抑制和加假数据等技术手段.为了衡量数据的效用性,设计了一种改进的编辑距离的指标.采用了真实数据集对论文提出的保护方法进行了实验验证,实验结果表明该方法能够有效地保护用户间的隐私关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁博		8	15	2.0	3.0
2	白梅		8	2	1.0	1.0
3	杨姿		2	2	1.0	1.0