一种支持交通约束的基于向量平移不变性的隐私保护轨迹合成方法
密码学与安全
2023-10-10 v1
摘要
随着各类智能终端的普及与自动驾驶技术的发展，基于时空数据的服务越来越多地出现在我们的生活中，如网约车服务、交通流预测和病毒传播追踪。然而，时空数据的隐私问题极大地限制了其使用。为此，基于时空数据的差分隐私方法被提出。在差分隐私中，良好的聚合查询能大幅提升数据效用。但主流聚合查询方法基于区域划分，难以兼顾时间与约束，因而难以生成高效用轨迹。受此启发，我们提出一种基于轨迹间关系的聚合查询，与现有方法相比可大幅提升数据效用。轨迹合成任务可视为寻找符合轨迹间关系的轨迹的优化问题。我们采用梯度下降来寻找满足条件的新轨迹，且在梯度下降过程中可通过加入惩罚项轻松考虑约束，这是基于区域划分的查询难以实现的。我们进行了大量实验验证所生成轨迹具有更高效的用，理论分析表明本方法安全可靠。
引用
@article{arxiv.2310.05091,
title = {A Privacy-Preserving Trajectory Synthesis Method Based on Vector Translation Invariance Supporting Traffic Constraints},
author = {Zechen Liu and Wei Song and Yuhan Wang},
journal= {arXiv preprint arXiv:2310.05091},
year = {2023}
}