合成轨迹生成器的双重视角：效用框架与隐私漏洞
人工智能
2026-04-30 v2
摘要
人类移动数据被用于从公共健康到城市规划等众多应用中。人类移动数据本质上具有敏感性，因为它可能包含宗教信仰和政治派别等信息。过去，人们提出使用聚合、混淆或加噪等技术修改信息，以充分保护隐私并消除担忧。由于这些方法以极大的效用损失为代价，因此引入了利用生成模型发展的新方法。此类方法能在多大程度上平衡隐私与效用仍是一个开放问题。在本文中，我们通过引入并应用一种新的效用评估框架，迈出了解决该问题的第一步。此外，我们提供的证据表明，隐私评估仍然是一个需要考虑的重大挑战，应根据现行的欧盟法规通过对抗性评估来解决。我们针对生成模型的一个子类别提出了一种新的成员推理攻击，尽管该子类别因能抵抗轨迹用户关联问题而被认为是隐私安全的。
引用
@article{arxiv.2604.19653,
title = {A Dual Perspective on Synthetic Trajectory Generators: Utility Framework and Privacy Vulnerabilities},
author = {Aya Cherigui and Florent Guépin and Arnaud Legendre and Jean-François Couchot},
journal= {arXiv preprint arXiv:2604.19653},
year = {2026}
}