藏于噪声之后：面向室内位置隐私的本地差分隐私

众多室内基于位置的服务（LBS）的出现以及多种移动设备在室内环境中的广泛使用，导致产生了海量的人员位置数据。尽管地理空间数据包含有关个人活动的敏感信息，但以原始形式收集可能会泄露相关人员的个人信息，侵犯其隐私。本文提出一种新颖的隐私感知框架，采用本地差分隐私（LDP）技术聚合室内位置数据，其中用户位置数据在用户设备本地被更改，随后发送给聚合器。因此，用户的位置对服务器或任何攻击者均保持隐藏。所提框架的实际可行性通过两个真实世界数据集得到验证。我们还研究了数据集属性、隐私机制以及隐私级别对我们框架的影响。实验结果表明，所提出的框架能够保护用户的位置信息，且室内区域不同分区的人口频率精度接近于原始人口频率，而无需知晓室内人员的位置。