-
题名基于HMM的本地化差分隐私动态位置保护方法
- 1
-
-
作者
晏燕
李靖
-
机构
兰州理工大学计算机与通信学院
-
出处
《兰州理工大学学报》
北大核心
2025年第4期95-106,共12页
-
基金
国家自然科学基金(61762059)
甘肃省自然科学基金(22JR5RA279)。
-
文摘
现有的本地化差分隐私位置保护方法大多针对用户的静态位置进行保护,未考虑到用户位置动态变化的应用场景,且存在算法复杂度高、扰动结果可用性低等问题.针对上述问题,提出一种基于隐马尔科夫模型(hidden Markov model,HMM)的本地化差分隐私动态位置保护方法.首先,结合位置动态变化过程中的时空相关性,构建基于隐马尔科夫模型的时间序列和隐私保护安全区域,实现用户位置更新后本地化差分隐私扰动区域的优选.其次,设计基于隐马尔科夫模型的动态位置连续扰动算法和本地化差分隐私随机响应机制,对优选区域内的位置点进行扰动处理,实现用户位置的动态化本地差分隐私保护.最后,在实际位置轨迹数据集合上进行实验和分析,证明所提方法能够在实现动态位置数据本地化隐私保护的前提下,达到更好的聚合准确度和统计可用性.
-
关键词
位置隐私
本地化差分隐私
时空相关性
隐马尔科夫模型
隐私保护安全区域
-
Keywords
location privacy
local differential privacy
spatial-temporal correlation
hidden Markov model
privacy protection safety area
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
