diffGHOST：基于扩散的生成式 Hedged 无感知合成轨迹
人工智能
2026-05-12 v1 密码学与安全
摘要
轨迹如今对广泛的应用非常有价值，但它们也具有高度敏感性，包含关于个人的高度个人化信息。面对这一挑战，合成 mobility 轨迹已成为一种有前景的解决方案，以在利用 mobility 信息的同时保留隐私。当前的 SOTA 模型往往依赖于生成模型隐式隐私的错误假设，未能在保留轨迹实用性的同时提供隐私保证。本文引入 diffGHOST，一种基于条件扩散模型的 latent space 分段方法，旨�解决这一挑战。因此，本文提出一种方法，通过识别和缓解关键样本在学习 latent space 中的记忆，使用条件分段来实现。
引用
@article{arxiv.2605.10647,
title = {diffGHOST: Diffusion based Generative Hedged Oblivious Synthetic Trajectories},
author = {Florent Guépin and Cheick Tidiani Cisse and Denis Renaud and François Bidet and Arnaud Legendre},
journal= {arXiv preprint arXiv:2605.10647},
year = {2026}
}