LSTM-TrajGAN：一种用于轨迹隐私保护的深度学习方法
机器学习
2020-06-19 v1 人工智能
密码学与安全
摘要
基于位置服务的普及促成了个体级轨迹数据的爆炸性增长，并引发了公众对隐私问题的担忧。在本研究中，我们提出了一种新的 LSTM-TrajGAN 方法，这是一种用于生成隐私保护合成轨迹数据以进行数据共享和发布的端到端深度学习模型。我们设计了一个损失度量函数 TrajLoss 来衡量模型训练和优化的轨迹相似性损失。该模型在真实世界语义轨迹数据集上的轨迹-用户关联任务中进行了评估。与其他常见的地理掩码方法相比，我们的模型能更好地防止用户被重新识别，并且它还保留了真实轨迹数据的基本空间、时间和主题特征。该模型更好地平衡了轨迹隐私保护的有效性与时空分析的效用，为 GeoAI 驱动的隐私保护提供了新见解。
引用
@article{arxiv.2006.10521,
title = {LSTM-TrajGAN: A Deep Learning Approach to Trajectory Privacy Protection},
author = {Jinmeng Rao and Song Gao and Yuhao Kang and Qunying Huang},
journal= {arXiv preprint arXiv:2006.10521},
year = {2020}
}
备注
16 pages, 7 figures, in the Proceedings of the 11th International Conference on Geographic Information Science (GIScience 2021)