PrivTrace: 基于自适应马尔可夫模型的差分隐私轨迹合成
密码学与安全
2022-10-06 v2
摘要
发布轨迹数据（个体的移动信息）非常有用，但也引发了隐私担忧。为了解决隐私问题，本文应用差分隐私（数据隐私的标准技术）结合马尔可夫链模型来生成合成轨迹。我们注意到现有研究都使用马尔可夫链模型，因此提出了一个框架来分析马尔可夫链模型在此问题中的使用。基于分析，我们提出了一种有效的算法PrivTrace，它自适应地使用一阶和二阶马尔可夫模型。我们在合成数据集和真实数据集上评估了PrivTrace和现有方法，以证明我们方法的优越性。
引用
@article{arxiv.2210.00581,
title = {PrivTrace: Differentially Private Trajectory Synthesis by Adaptive Markov Model},
author = {Haiming Wang and Zhikun Zhang and Tianhao Wang and Shibo He and Michael Backes and Jiming Chen and Yang Zhang},
journal= {arXiv preprint arXiv:2210.00581},
year = {2022}
}
备注
To Appear in 2023 USENIX Security Symposium, August 9-11, 2023. Please cite our USENIX Security version