论文部分内容阅读
无线定位技术的不断创新和移动智能终端设备的大规模普及,大量与移动对象相关的轨迹数据被服务提供商(LBSP,Location Based Services Provider)以不同的形式保存下来。服务提供商在对移动对象提供服务的同时,难免会有一些恶意攻击者通过不正当的手段来窃取这些轨迹数据。通过对轨迹数据进行分析、筛选和预测推断移动对象的个体隐私信息或者轨迹隐私信息。目前,移动对象轨迹信息的泄露导致其自身安全受到威胁的事件越来越多,移动对象自身的隐私信息和轨迹数据越来越受到重视。本文旨在对现有轨迹隐私保护技术中存在的缺陷问题展开进一步研究探索,主要过程如下:(1)通过分析现有的轨迹隐私保护技术,提出了位置区域划分的轨迹匿名算法。算法按照起止时间通过同步轨迹K-匿名集寻找当前时刻的敏感区域进行划分,划分后的子区域与邻近匿名区域的距离若不大于阈值d则进行区域合并。否则利用位置映射策略根据原始位置在子区域添加假位置以满足K-匿名原则。假位置保留了敏感区域内各点的位置相对关系,使得划分后的子区域与原始区域匿名性一致。经实验表明,与现有的轨迹匿名算法相比,在具有同等的隐私保护需求下的同步轨迹数据集中,该算法进一步降低了轨迹隐私泄露风险,同时有效的提高了轨迹匿名数据集的可用性。(2)现有的轨迹隐私保护技术大多是对移动对象的静态轨迹数据进行保护,却忽略了移动对象动态轨迹依然存在隐私泄露的风险。针对此问题,提出基于遗传算法的动态轨迹匿名研究。算法利用遗传算法搜索全局最优解的特性,在移动对象当前时间段内的历史轨迹中建立轨迹行为模式,通过轨迹行为模式预测移动对象的轨迹,根据移动对象新增的预测轨迹不断更新轨迹行为模式,使得轨迹预测的准确率更高。对于新增的预测轨迹采用轨迹K-匿名技术进行虚假轨迹生成,以达到保护移动对象个体隐私信息的目的。经实验表明,与现有的轨迹匿名算法相比,本文算法在保护轨迹隐私的同时进一步提高轨迹数据质量。本文对移动对象轨迹数据进行研究的主要目的是:在降低轨迹匿名数据集隐私披露风险的同时,进一步保护移动对象的轨迹隐私,提高发布后轨迹匿名数据集的可用性。并针对移动对象在不同场景下的需求,对移动对象的静态轨迹数据和动态轨迹数据采取不同的隐私保护策略。经实验验证表明,本文提出的算法在轨迹隐私保护度和轨迹数据可用性方面具有进一步的提高。