时空相关性下基于差分隐私的路网感知个性化轨迹保护
密码学与安全
2025-11-27 v1
摘要
基于位置的服务（LBS）为移动用户提供了极大的便利，但也带来了显著的隐私风险，因为攻击者可以通过用户轨迹中的时空相关性推断出敏感的个人信息。由于用户对位置数据的敏感度因停留时长、访问频率和语义敏感性等因素而异，实施个性化隐私保护势在必行。本文提出了一种个性化轨迹隐私保护机制（PTPPM）来应对这些挑战。我们的方法首先对攻击者关于用户轨迹时空相关性的知识进行建模，这使攻击者能够识别可能的位置集合并忽略低概率的位置集合。为了应对这一点，我们将地理不可区分性与失真隐私相结合，允许用户通过可配置的隐私预算和预期推理误差界限来定制其隐私偏好。这种方法为构建隐藏用户实际位置的保护位置集（PLS）提供了理论框架。此外，我们引入了个性化隐私预算分配算法（PPBA），该算法根据轨迹数据评估位置的敏感度，并相应地分配隐私预算。该算法考虑了位置语义和路网约束等因素。此外，我们提出了一种Permute-and-Flip机制，该机制在生成扰动位置的同时最小化扰动距离，从而平衡隐私保护和服务质量（QoS）。仿真结果表明，我们的机制优于现有基准，在维持用户QoS要求的同时提供了更优的隐私保护。
引用
@article{arxiv.2511.21020,
title = {Road Network-Aware Personalized Trajectory Protection with Differential Privacy under Spatiotemporal Correlations},
author = {Minghui Min and Jiahui Liu and Mingge Cao and Shiyin Li and Hongliang Zhang and Miao Pan and Zhu Han},
journal= {arXiv preprint arXiv:2511.21020},
year = {2025}
}
备注
13 pages,10 figures