基于差分隐私摘要的通话详单数据净化

本文开创性地研究了利用净化后的通话详单（CDR）进行人类移动性分析的问题。此类数据对于解决诸如改善城市交通或理解疾病传播等重大社会问题极具价值。这类研究的一个基本构建模块是计算移动模式，以总结个体在特定时间段内如何从一个区域（例如，蜂窝基站或行政区域）移动到另一个区域。然而，此类知识不能直接发布，因为已有研究表明，获取此类数据会导致个体的（再）识别。为解决这一问题并以保护隐私的方式促进此类应用的发展，本文提出了一种新颖的方法：将CDR以差分隐私布隆过滤器的形式进行摘要，以便在给定时间范围内对从一个区域（地区）移动到另一个区域的移动服务用户数量进行隐私计数。我们的净化方法在时间和空间上均高效，确保了差分隐私，同时解决了近期针对此问题所提出方案的一些缺陷。我们还报告了使用真实CDR数据集对所提方案进行的实验结果。获得的结果表明，在大多数情况下，我们的方法实现了与另一种不提供任何隐私保证的方法（线性计数概要）相似的性能。因此，我们得出结论：我们的方法在提供强大隐私保证的同时保持了高实用性。