对差分私有轨迹保护机制的重构攻击
密码学与安全
2022-10-19 v1
摘要
智能手机及其他设备收集的地理位置轨迹，是面向基于位置服务等应用的有价值数据源。同样，轨迹有可能揭示个人的敏感信息，例如宗教信仰或性取向。因此，轨迹数据集需要适当的清洗。由于其较强的理论隐私保障，差分私有发布机制受到大量关注。然而，实现差分隐私所需的大量噪声会产生结构差异，例如船舶轨迹越过陆地。我们提出了一种基于深度学习的受保护轨迹重构攻击（RAoPT），利用上述差异从差分私有发布中部分重构原始轨迹。评估表明，在 的保护下，我们的 RAoPT 模型在两个真实世界数据集上可将发布轨迹与原始轨迹间的欧氏距离与豪斯多夫距离降低超过 68%。在此设定下，该攻击将代表用户活动空间的轨迹凸包的平均 Jaccard 指数提升了超过 180%。在 GeoLife 数据集上训练后，对于采用最先进机制（）保护的 T-Drive 轨迹，该模型仍能将欧氏距离与豪斯多夫距离降低超过 60%。本工作凸显了当前轨迹发布机制的缺陷，从而激励对隐私保护发布方案的进一步研究。
引用
@article{arxiv.2210.09375,
title = {Reconstruction Attack on Differential Private Trajectory Protection Mechanisms},
author = {Erik Buchholz and Alsharif Abuadbba and Shuo Wang and Surya Nepal and Salil S. Kanhere},
journal= {arXiv preprint arXiv:2210.09375},
year = {2022}
}
备注
To be published in the proceedings of the 38th Annual Computer Security Applications Conference (ACSAC '22)