利用移动特征的差分隐私聚合移动数据发布

随着支持 GPS 的设备（智能手机）和基于位置的应用程序的快速发展，位置隐私日益受到关注。直观上，人们普遍认为通过发布聚合移动数据（例如某时刻某区域内的用户数量）可以保护位置隐私。然而，近期的一种攻击表明，这些聚合移动数据可被利用来恢复个体轨迹。在本文中，我们首先提出两种用于聚合移动数据发布的差分隐私基本方案，即直接扰动和阈值扰动，它们保护用户的位置隐私并尤其抵抗轨迹恢复攻击。接着，我们探究移动用户的移动特征，并根据移动特征结合两种基本方案设计了一种名为静态混合扰动的改进方案。由于静态混合扰动仅适用于发布前完全可用的静态数据，我们进一步将其与线性回归结合来改造静态混合扰动，得到另一种改进方案，称为动态混合扰动。动态混合扰动也适用于在发布过程中即时生成的动态数据。隐私分析表明所提方案实现了差分隐私。在模拟与真实数据集上的大量实验表明，所有提出的方案均能良好抵抗轨迹恢复攻击，且改进方案显著优于基本方案。