[發(fā)明專利]軌跡數(shù)據(jù)隱私保護(hù)方法、電子設(shè)備、存儲介質(zhì)及系統(tǒng)在審
| 申請?zhí)枺?/td> | 201810589508.8 | 申請日: | 2018-06-08 |
| 公開(公告)號: | CN109145633A | 公開(公告)日: | 2019-01-04 |
| 發(fā)明(設(shè)計)人: | 尚凌輝;陳鑫;葉淑陽 | 申請(專利權(quán))人: | 浙江捷尚人工智能研究發(fā)展有限公司 |
| 主分類號: | G06F21/62 | 分類號: | G06F21/62 |
| 代理公司: | 廣州市越秀區(qū)哲力專利商標(biāo)事務(wù)所(普通合伙) 44288 | 代理人: | 胡擁軍;糜婧 |
| 地址: | 310000 浙江省杭州市余杭區(qū)五常*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 軌跡序列 非敏感信息 元組 軌跡數(shù)據(jù) 違反 隱私 集合 存儲介質(zhì) 電子設(shè)備 隱私保護(hù) 缺失率 隱私保護(hù)系統(tǒng) 軌跡集合 獲取數(shù)據(jù) 敏感信息 隱私泄露 有效解決 最大權(quán)重 關(guān)聯(lián)性 子序列 構(gòu)建 權(quán)重 與非 發(fā)布 聯(lián)合 | ||
1.軌跡數(shù)據(jù)隱私保護(hù)方法,其特征在于包括以下步驟:
構(gòu)建隱私模型,獲取數(shù)據(jù)集中包含軌跡序列和非敏感信息的軌跡集合、軌跡序列個數(shù)最大長度、非敏感信息集合、軌跡匿名個數(shù)構(gòu)建隱私模型;
生成違反序列元組,將待分析的非敏感信息集合輸入所述隱私模型,生成違反序列元組;
生成最小違反序列元組,將所述違反序列元組中軌跡序列的所有子序列與所述違反序列元組中的非敏感信息組合,將所述組合輸入所述隱私模型,生成最小違反序列元組,將所有所述最小違反序列元組存儲至最小違反序列元組集合;
軌跡數(shù)據(jù)集匿名化處理,計算所述軌跡序列和非敏感信息關(guān)聯(lián)性的缺失率,根據(jù)所述最小違反序列元組集合中違反序列元組個數(shù)和所述缺失率,計算軌跡序列的權(quán)重值,獲取最大權(quán)重值對應(yīng)的軌跡序列進(jìn)行發(fā)布。
2.如權(quán)利要求1所述的軌跡數(shù)據(jù)隱私保護(hù)方法,其特征在于:所述步驟生成最小違反序列元組還包括將所述非敏感信息集合中非違反序列元組的軌跡序列進(jìn)行序列連接,生成違反序列候選集合,對所述違反序列候選集合進(jìn)行去除父序列操作。
3.如權(quán)利要求1所述的軌跡數(shù)據(jù)隱私保護(hù)方法,其特征在于:所述隱私模型具體為:當(dāng)且僅當(dāng)0<|q|≤L時,|T({q,ns})|≥K,其中L為軌跡序列個數(shù)最大長度,K為軌跡匿名個數(shù),q為軌跡序列,ns為非敏感信息集合中的非敏感信息,|T({q,ns})|為數(shù)據(jù)集同時包含q和ns的軌跡個數(shù);還包括步驟發(fā)送虛擬軌跡,若所述待分析的非敏感信息集合中存在非敏感信息滿足|T({q,ns})|≥K,則生成虛擬軌跡序列進(jìn)行發(fā)布。
4.如權(quán)利要求3所述的軌跡數(shù)據(jù)隱私保護(hù)方法,其特征在于:所述步驟生成違反序列元組具體為:若所述待分析的非敏感信息集合中存在非敏感信息滿足|T({q,ns})|<K,則判定為違反序列元組。
5.如權(quán)利要求4所述的軌跡數(shù)據(jù)隱私保護(hù)方法,其特征在于:所述計算所述軌跡序列和非敏感信息關(guān)聯(lián)性的缺失率具體為:
其中,count(i)為數(shù)據(jù)集同時包含q與第i個ns的軌跡個數(shù),loss(i)為數(shù)據(jù)集同時包含q與第i個ns的軌跡減少數(shù)量,n為非敏感信息個數(shù),infoLoss(q)為所述軌跡序列和非敏感信息關(guān)聯(lián)性的缺失率。
6.如權(quán)利要求5所述的軌跡數(shù)據(jù)隱私保護(hù)方法,其特征在于:所述計算軌跡序列的權(quán)重值具體為:
w(q)=mvsDel(q)/infoLoss(q)
其中,mvsDel(q)為最小違反序列元組集合中包含q的違反序列元組個數(shù),w(q)為權(quán)重值。
7.一種電子設(shè)備,其特征在于包括:處理器;
存儲器;以及程序,其中所述程序被存儲在所述存儲器中,并且被配置成由處理器執(zhí)行,所述程序包括用于執(zhí)行權(quán)利要求1-6任意一項所述的方法。
8.一種計算機可讀存儲介質(zhì),其上存儲有計算機程序,其特征在于:所述計算機程序被處理器執(zhí)行如權(quán)利要求1-6任意一項所述的方法。
9.軌跡數(shù)據(jù)隱私保護(hù)系統(tǒng),其特征在于包括:
構(gòu)建隱私模型模塊:用于獲取數(shù)據(jù)集中包含軌跡序列和非敏感信息的軌跡集合、軌跡序列個數(shù)最大長度、非敏感信息集合、軌跡匿名個數(shù)構(gòu)建隱私模型;
生成違反序列元組模塊:用于將待分析的非敏感信息集合輸入所述隱私模型,生成違反序列元組;
生成最小違反序列元組模塊:用于將所述違反序列元組中軌跡序列的所有子序列與所述違反序列元組中的非敏感信息組合,將所述組合輸入所述隱私模型,生成最小違反序列元組,將所有所述最小違反序列元組存儲至最小違反序列元組集合;
軌跡數(shù)據(jù)集匿名化處理模塊:用于計算所述軌跡序列和非敏感信息關(guān)聯(lián)性的缺失率,根據(jù)所述最小違反序列元組集合中違反序列元組個數(shù)和所述缺失率,計算軌跡序列的權(quán)重值,獲取最大權(quán)重值對應(yīng)的軌跡序列進(jìn)行發(fā)布。
10.如權(quán)利要求9所述的軌跡數(shù)據(jù)隱私保護(hù)系統(tǒng),其特征在于:所述生成最小違反序列元組模塊還包括將所述非敏感信息集合中非違反序列元組的軌跡序列進(jìn)行序列連接,生成違反序列候選集合,對所述違反序列候選集合進(jìn)行去除父序列操作。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江捷尚人工智能研究發(fā)展有限公司,未經(jīng)浙江捷尚人工智能研究發(fā)展有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810589508.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種移動終端出行軌跡的確定方法
- 基于公共分片子序列的軌跡離群點檢測方法
- 軌跡數(shù)據(jù)隱私保護(hù)方法、電子設(shè)備、存儲介質(zhì)及系統(tǒng)
- 用于輸出信息的方法和裝置
- 一種非特征匹配的運動軌跡優(yōu)化方法及系統(tǒng)
- 將軌跡序列轉(zhuǎn)換為圖像矩陣的處理方法、裝置和存儲介質(zhì)
- 一種線路分析方法、裝置及程序產(chǎn)品、存儲介質(zhì)
- 客戶價值評估方法、系統(tǒng)、計算機設(shè)備、可讀存儲介質(zhì)
- 基于軌跡相似度的身份關(guān)聯(lián)方法、裝置、設(shè)備及存儲介質(zhì)
- 一種基于LSTM自編碼的車輛頻繁軌跡識別方法及裝置
- 一種基于前置網(wǎng)關(guān)的敏感信息監(jiān)測及防泄漏方法及系統(tǒng)
- 一種基于區(qū)塊鏈技術(shù)的用戶信息安全管理方法
- 一種基于Solr的電商索引文件的混合式更新方法
- 軌跡數(shù)據(jù)隱私保護(hù)方法、電子設(shè)備、存儲介質(zhì)及系統(tǒng)
- 一種敏感信息的保護(hù)方法、移動設(shè)備及存儲裝置
- 特權(quán)賬號憑證類型的分類方法及裝置
- 基于BERT模型和K近鄰的敏感信息識別方法及系統(tǒng)
- 一種http加密傳輸方法、裝置、計算機設(shè)備及存儲介質(zhì)
- 一種從非結(jié)構(gòu)化數(shù)據(jù)中提取敏感信息的方法
- 敏感肌的檢測方法、圖像處理方法、裝置及設(shè)備





