融合用户偏好与差分隐私模型的位置隐私保护方法

• 全文链接
• 请求原文

作   者：

朱亮;  穆金巧;  曹腾飞;  蔡增玉;  张建伟; 

作者机构：

青海大学计算机技术与应用系;  郑州轻工业大学计算机科学与技术学院; 

关键词：

差分隐私;  位置隐私保护;  用户偏好;  位置服务;  位置社交网络; 

期刊名称：

计算机应用

i s s n：

1001-9081

年卷期：

2024 年 44 卷 0S2 期

页   码：

106-111

摘   要：

位置社交网络（LBSN）将社交网络与地理位置相结合，为用户提供了新颖的个性化体验，而用户的位置隐私保护对LBSN系统的安全运行至关重要。针对位置隐私保护方法僵硬导致数据效用低、位置服务（LBS）体验质量下降的问题，提出一种融合用户偏好与差分隐私模型的位置隐私保护（UPDP-LPP）方法。首先，使用停留点提取算法获得用户的停留点集合；其次，使用特征融合方法标注停留点的类型；最后，在通过用户偏好来动态地获取隐私预算和噪声敏感度后，为隐私半径添加拉普拉斯噪声，从而保护用户的敏感位置信息。在两个公开的真实数据集上的实验结果表明，当隐私预算相同时，所提方法较TLDP (Trajectory Location Data Protection)、DPLPA (Differential Privacy-based Location Privacy protection Algorithm)和LPPM(Location Privacy Protection Mechanism)在隐私保护的数据效用上提高了10%以上。可见，UPDP-LPP不仅能保护用户位置隐私，而且提高了数据效用。