用于位置隐私保护的人工冒名者

基于位置服务的进展已引发对位置隐私泄露的严重担忧。为达成有效且高效的位置隐私保护（LPP），现有方法仍不够完备。它们往往在带侧信息的识别攻击下脆弱不堪，或因高计算复杂度而难以实施。本文中，我们同时追求高保护效能与低计算复杂度。我们提出一种基于伪造位置范式可扩展的 LPP 方法。为使虚假位置极其可信，我们通过合成人工冒名者（AIs）来伪造它们。AIs 指具有与实际轨迹相似语义特征且不含任何目标位置的合成轨迹。我们设计了两种专用技术：基于采样的合成方法与群体级语义模型。它们在合成 AIs 的两个关键步骤中发挥重要作用。我们在两个城市（中国上海与西班牙阿斯图里亚斯）的真实数据集上开展实验，以验证所提方法的高效能与可扩展性。在这两个数据集中，实验结果表明我们的方法分别达到 $97.65\%$ 与 $96.12\%$ 的保护效能，且其构建生成器的运行时间分别仅为 $230.47$ 与 $215.92$ 秒。本研究将为研究界提供新的见解，揭示如何通过伪造位置改进最先进 LPP 范式的实用性。