[发明专利]一种基于偏好感知的轨迹隐私保护服务推荐方法

说明书

本发明公开了一种基于偏好感知的轨迹隐私保护服务推荐方法，包括：步骤1、对待查询用户的初始位置进行匿名；步骤2、确定所述待查询用户的偏好以及背景信息后，根据所述待查询用户的对位置的不同偏好，划分出不同的隐私风险等级；步骤3、采取拉普拉斯保护机制向查询结果中添加噪声；步骤4、将添加噪声后的位置进行组合形成行的匿名轨迹。

技术领域

本发明涉及信息安全领域，尤其涉及一种基于偏好感知的轨迹隐私保护服务推荐方法。

背景技术

基于位置的个性化服务推荐系统能较好地结合用户的地理位置，帮助用户获得个人所需的信息，快速的为用户提供有效的个性化服务。但在推荐的过程中，用户信息的泄露问题十分严峻，用户的个人信息以及推荐列表中的敏感信息的泄露会对用户造成一定的威胁，如何防止用户信息的泄露，同时又能精确高效地为用户提供个性化服务，是当前研究面临的主要难点。

现如今越来越多的学者重视隐私保护的问题，在过去的研究中，提出的研究方案大都是在用户信息和位置服务中混淆，现有方法对用户信息大多采用mix-zone、k-匿名、扰动、泛化等方法，但却忽视了信息追踪问题；对位置服务大多采用基于差分隐私的加密方法，但却忽视了加躁机制的添加问题。

发明内容

基于上述技术问题，本发明设计开发了一种基于偏好感知的轨迹隐私保护服务推荐方法，解决了用户敏感信息泄露、数据可用性低以及缺乏自适应的问题。

本发明提供的技术方案为：

一种基于偏好感知的轨迹隐私保护服务推荐方法，包括如下步骤：

步骤1、对待查询用户的初始位置进行匿名；

步骤2、确定所述待查询用户的偏好以及背景信息后，根据所述待查询用户的对位置的不同偏好，划分出不同的隐私风险等级；

步骤3、采取拉普拉斯保护机制向查询结果中添加噪声；

步骤4、将添加噪声后的位置进行组合形成行的匿名轨迹。

优选的是，在所述步骤1中，基于聚类的mix-zone算法对初始位置进行匿名过程包括：

步骤1.1、使用sim(A_s,A_s′)量化属性相似性，若存在sim(A_s,A_s′)＜λ则认为进出mix-zone的用户为同一用户；

其中，sim(.)为相似性，A_s＝(a₁,a₂,……,a_m)为某一指定被追踪用户的属性，A_s′＝(a₁′,a₂′,……,a_m′)为所述指定被追踪用户离开mix-zone之后表现出的属性，m为可被识别的属性数量，a₁,a₂,……,a_m为A_s的属性，a₁′,a₂′,……,a_m′为A_s′的属性，λ为可被攻击者使用的相似属性最小阈值；

步骤1.2、假设拟将数据聚类为k个种类，则选取k个初始中心位置后，分别计算样本数据至各个初始中心位置的欧式距离：

其中，s_j，表示计算(i,j)位置的欧氏距离；s_jn表示第n个点的第j维坐标，表示第n个点的第i维坐标；