科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于位置的各种大数据服务在为用户提供便利的同时，也导致了各种隐私泄露的风险。本地化差分隐私模型避免了对可信第三方数据收集平台的依赖，使得用户能够依据个人需求处理和保护敏感信息，因此更适用于位置隐私保护的场景。针对现有本地化差分隐私位置保护方法编码机制复杂、位置数据可用性低等问题，提出一种基于希尔伯特编码的本地化差分隐私位置保护方法。用户端根据本地化差分隐私模型对自身所处网格的希尔伯特编码进行随机响应扰动处理，实现原始位置的隐私保护；服务器端收集大量用户的扰动位置编码并进行希尔伯特解码，进而判断用户所处的网格位置，实现对用户数量和分布密度的统计分析。通过实际位置数据集合上的实验证明，所提方法能够在实现用户位置本地化差分隐私保护的基础上提供更好的位置数据可用性和运行效率。
- 单位
