[发明专利]一种基于深度学习的轨迹数据去匿名方法有效
| 申请号： | 201910631703.7 | 申请日： | 2019-07-12 |
| 公开（公告）号： | CN110502919B | 公开（公告）日： | 2022-11-18 |
| 发明（设计）人： | 张蕊;向阳;谢鹏 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G06F21/62 | 分类号： | G06F21/62;G06F16/29;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430070 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的轨迹数据去匿名方法，首先在预设的划分精度下，空间被划分为多个近似网格形状的子空间；然后将轨迹数据分为两组，一组是已知用户轨迹，另一组是匿名用户轨迹，将两组轨迹拆分成轨迹段，映射到网格数据中，从而得到所述轨迹对应的一组网格标识序列；其次将前一步所述的一组网格标识序列输入到改进的DenseNet模型中，已知用户轨迹作为训练集，匿名用户轨迹作为测试集；最后通过模型对轨迹的分类，将匿名数据与已知用户数据集中的数据对应，找到匿名用户轨迹数据对应的真实用户信息。本发明实现了隐私轨迹数据的去匿名化，以验证此类攻击的有效性，从而揭示匿名轨迹数据的隐私风险。 | ||
| 搜索关键词： | 一种 基于 深度 学习 轨迹 数据 匿名 方法 | ||
【主权项】：
1.一种基于深度学习的轨迹数据去匿名方法，其特征在于，包括以下步骤：/n步骤1：在预设的划分精度下，将轨迹数据空间划分为若干个网格形状的子空间；/n步骤2：对于真实世界的轨迹数据集，将轨迹数据分为两组，一组是已知用户轨迹数据，另一组是匿名用户轨迹数据，将两组轨迹数据拆分成轨迹段，映射到网格数据中，从而得到所述轨迹数据对应的一组网格标识序列；/n步骤3：将步骤2中得到的一组网格标识序列输入到改进的DenseNet模型中，已知用户轨迹数据作为训练集，匿名用户轨迹数据作为测试集；对训练集经过若干次迭代、训练，得到训练好的模型；/n步骤4：将训练好的模型运用于匿名用户轨迹段数据，通过模型对轨迹的分类，将匿名数据与已知用户数据集中的数据对应，找到匿名用户轨迹数据对应的真实用户信息，从而达到轨迹数据去匿名效果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉理工大学，未经武汉理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910631703.7/，转载请声明来源钻瓜专利网。
