[发明专利]一种基于小波变换的轨迹数据中时间相关性隐私保护方法

说明书

本发明提出了一种基于小波变换的轨迹数据中时间相关性隐私保护方法，主要包括：量化轨迹数据中时间相关性，并且扰动原始数据从而达到隐私保护效果以及在确保隐私保护的同时提高数据有用性。

技术领域

本发明涉及数据隐私保护领域，一种基于小波变换的轨迹数据中时间相关性隐私保护方法。

背景技术

随着计算机视觉、通讯、大数据产业的成熟，促进了智慧城市、智能交通等领域的迅速发展，人们的衣食住行等信息无时无刻不被数字化着。通过传感器、智能处理设备等终端收集和使用的这些相关视频、图片、位置等数据中包含了大量的时间相关的轨迹数据，攻击者如果获得这些时间相关轨迹数据，结合背景知识等方式推断出用户的兴趣点、行为习惯等敏感信息，比如用户经常出入的场所、身体状况等。因此，在将这些数据发布以前需要进行隐私保护处理，以防止用户个人隐私信息的泄露。

目前，针对用户时间相关轨迹数据发布的隐私泄漏问题，传统的隐私保护方法包括K-匿名、假轨迹、抑制等，K-匿名是通过将能够唯一识别用户的属性泛化，使得真实轨迹不能与其它轨迹进行区分，假轨迹是为每条真实轨迹产生一定的假轨迹来降低真实轨迹暴露的几率，轨迹抑制则是选择性的发布原始数据，其中可能会暴露用户隐私的轨迹信息不将其发布，以此来保护用户的真实轨迹。但是这些隐私保护的方法容易遭受背景知识攻击，或者在对用户数据进行隐私保护的过程中，没有考虑时间相关性的影响，只对除时间以外的轨迹序列数据处理，给用户的隐私保护问题带来了一定的挑战。

轨迹数据是一系列位置信息按照其发生的时间顺序连接而成的序列数据，本发明的目标是防止攻击者通过关于用户的先验知识分析时间相关性来从中挖掘用户的隐私，先量化轨迹数据中的时间相关性，并对数据做变换处理，然后在得到的数据系数上加入拉普拉斯噪声，最后通过迭代收敛优化噪声修正的数据有用性，以平衡隐私和数据效用之间的关系。

发明内容

本发明提出了一种基于小波变换的轨迹数据中时间相关性隐私保护方法来解决上述问题，主要包括三大步骤：

步骤一：量化轨迹数据中时间相关性；

步骤二：扰动原始数据；

步骤三：优化数据有用性。

具体技术方法是：

步骤一：量化轨迹数据中时间相关性

首先，一个原始轨迹数据集包含某用户在D天中所产生的轨迹，用户在第d天的轨迹Tr如下所示：

Tr＝{(J_n,W_n)|n＝0,1,2,...,N-1}，

其中，J_n和W_n分别表示用户在第d天中第n个时间戳上的经度和纬度，d∈{1，2，.......，D}；计算得到减去均值的轨迹：{(j_n,w_n)|n＝0,1,2,...,N-1}，其中和分别表示用户在D天里第n个时间戳上经度和纬度的平均值，其中，{j_n|n＝0,1,2,...,N-1}和{w_n|n＝0,1,2,...,N-1}在统计学上是独立的；

接下来，将量化轨迹数据时间相关性，以Corr表示长度为M的用户时间相关性，描述了用户在当前时间戳t_n处和接下来第i个时间戳t_n+i的两个位置的关系，用户的移动性模式可以由当前第n个位置下第n+i个位置的条件概率来描述，即Pr(j_n+i|j_n)，用户有且只有一个Corr，并且当前位置的条件概率仅依赖于它的上一个位置，其定义如下：

Corr＝{Corr_i|i＝0,1,...,M-1}，