科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着LBS应用的广泛使用,用户对LBS轨迹隐私保护的需求日益增加.针对现有的LBS轨迹隐私保护技术,以K-匿名模型为基础的传统方法难以对攻击者的背景知识做出有效估计.差分隐私算法弥补了K-匿名在该方面的缺陷,但其对隐私预算过度依赖,隐私保护的有效时长无法得到保障.提出的LBS轨迹隐私保护模型K-Differential-Privacy采用噪声匿名组的思想,克服了现有算法对隐私预算过度依赖的弊端,同时,通过用户轨迹划分定位思想保证了用户的服务质量.相关实验证实,与以往的轨迹隐私保护模型相比,所提出的模型在保证LBS用户服务质量的同时,也提高了用户的隐私保护程度.
- 单位
