基于位置语义建模不完全知识以估计轨迹数据中真实隐私风险
密码学与安全
2021-12-08 v3
摘要
车辆与人员的移动模式为基于位置的服务（如车队优化与交通流分析）提供了强大的数据源。基于位置的服务提供商必须平衡从轨迹数据中提取的价值与保护这些轨迹背后个体隐私之间的关系。实现该目标需要准确度量效用与隐私的价值。当前的度量方法假设对手具有完全知识，因而高估了隐私风险。为解决此问题，我们引入了一种关于目标具有不完全知识的对手模型。该模型基于等价区域——具有语义含义的时空区域（例如目标住所），其大小与准确度决定了对手的能力。我们随后由等价区域的定义推导出k-匿名、l-多样性和t-邻近性等标准隐私度量。这些度量可计算于任意数据集之上，无论其是否及施加了何种匿名化。本工作对于所有充当轨迹数据处理器并希望管理隐私风险及优化其服务隐私-效用权衡的服务提供商具有高度相关性。
引用
@article{arxiv.2011.09218,
title = {Modelling imperfect knowledge via location semantics for realistic privacy risks estimation in trajectory data},
author = {Stefano Bennati and Aleksandra Kovacevic},
journal= {arXiv preprint arXiv:2011.09218},
year = {2021}
}