保护参与者还是总体？k-匿名起点-终点矩阵的比较研究

起点-终点（Origin-Destination, OD）矩阵是用户移动性研究的核心组成部分，概括了个体在地理区域间的移动模式。这些区域应足够小以代表用户移动性，同时不引发显著的隐私风险。NetMob2025挑战数据集具有两大附加价值。首先，该数据规模庞大，包含丰富的社会人口统计信息，可用于基于人口细分创建多个OD矩阵。其次，参与者不仅是数据中的一条记录，更是真实人口某一部分的统计加权代表。这为匿名化范式的根本性转变打开了大门。基于人口的隐私视角是我们贡献的核心。通过调整匿名化框架以考虑代表性，我们保护的不仅是调查参与者，更是推断出的实际人口的身份。本工作所应对的挑战是生成并比较对调查参与者和对整体人口均满足k-匿名的OD矩阵。我们通过泛化地理区域，将几种传统的匿名化方法与k-匿名进行了比较。这些方法包括基于层次结构的泛化（ATG和OIGH）以及经典的Mondrian算法。在此既有工具集的基础上，我们增加了一种新方法，即ODkAnon，这是一种旨在平衡速度与质量的贪心算法。与以往主要解决给定数据集隐私问题的方法不同，我们旨在为生成富含社会人口统计细分、并在实际人口层面实现k-匿名的隐私保护OD矩阵做出贡献。