基于分段聚类的轨迹数据发布隐私保护算法

摘要

轨迹数据发布中的隐私保护问题是目前的隐私保护领域的一个研究热点.针对轨迹采集系统本身的不确定性,以及现实应用中轨迹不确定阈值可变的情况,对传统(k,δ)-匿名模型进行改进,提出了一种不确定阈值可变的(k,△)-匿名模型,降低了轨迹匿名过程中的匿名成本.在(k,△)-匿名模型基础上,针对现有的轨迹匿名算法中存在的匿名组特征单一易于受到二次聚类攻击问题,提出了基于分段聚类的轨迹隐私保护算法,将轨迹基于最小划分长度原则进行特征分段,然后对轨迹分段进行基于聚类约束策略的匿名化处理.实验结果表明,所提出的算法能够在提高安全性的情况下,在数据质量和数据可用性方面具有较好的性能.