[發(fā)明專利]基于語義信息的匿名軌跡隱私保護(hù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210087301.7
• 申請(qǐng)日: 2022-01-25
• 公開（公告）號(hào): CN114444123A
• 公開（公告）日: 2022-05-06
• 發(fā)明（設(shè)計(jì)）人: 蔣洪波;吳林清;肖竹;王孟源;曾凡仔;劉代波
• 申請(qǐng)（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06F21/62
• 分類號(hào): G06F21/62;G06K9/62;G06V10/762
• 代理公司: 長(zhǎng)沙軒榮專利代理有限公司 43235
• 代理人: 叢詩洋

1.一種基于語義信息的匿名軌跡隱私保護(hù)方法，其特征在于，包括：

步驟1，基于空間訪問密度將原軌跡數(shù)據(jù)集中的軌跡進(jìn)行離散化，生成自適應(yīng)離散化格網(wǎng)；

步驟2，通過滑動(dòng)窗口算法將離散化格網(wǎng)中的軌跡劃分為若干定長(zhǎng)的子軌跡；

步驟3，分別計(jì)算滑動(dòng)窗口中子軌跡的時(shí)空相似度，并分別根據(jù)子軌跡的時(shí)空相似度進(jìn)行軌跡聚類，獲得軌跡匿名聚類集合；

步驟4，將軌跡匿名聚類集合中的同一匿名聚類中的子軌跡進(jìn)行合并，合并后的子軌跡滿足l-diversity，其中，l-diversity表示軌跡中每個(gè)時(shí)空位置附近的PoI種類；

步驟5，移動(dòng)所述步驟2中的滑動(dòng)窗口，重復(fù)執(zhí)行所述步驟3和所述步驟4，直至滑動(dòng)窗口移動(dòng)到軌跡數(shù)據(jù)集所在時(shí)間范圍的終點(diǎn)，獲得滿足k^m匿名和l-diversity的第一匿名軌跡集，其中，k^m匿名表示對(duì)軌跡中任意的長(zhǎng)度小于等于m的連續(xù)時(shí)空位置序列匿名；

步驟6，基于PoI的分布特征處理匿名軌跡集，匿名軌跡集滿足t-closeness，其中，t-closeness表示軌跡中每個(gè)時(shí)空位置附近的PoI分布與數(shù)據(jù)集所在地理空間的PoI分布差異，獲得滿足k^m匿名、l-diversity和t-closeness的第二匿名軌跡數(shù)據(jù)集。

2.根據(jù)權(quán)利要求1所述的基于語義信息的匿名軌跡隱私保護(hù)方法，其特征在于，所述步驟1具體包括：

步驟11，設(shè)置自適應(yīng)離散化格網(wǎng)的格網(wǎng)尺寸參數(shù)為N，將地理空間初始化為N*N的格網(wǎng)；

步驟12，依次對(duì)自適應(yīng)離散化格網(wǎng)中的單元格進(jìn)行標(biāo)號(hào)；

步驟13，根據(jù)地理位置坐標(biāo)與單元格的映射關(guān)系，將軌跡編碼成單元格序列。

3.根據(jù)權(quán)利要求4所述的基于語義信息的匿名軌跡隱私保護(hù)方法，其特征在于，所述步驟1還包括：

步驟14，計(jì)算每個(gè)單元格的歸一化訪問次數(shù)；

步驟15，依次判斷計(jì)算出的每個(gè)單元格的歸一化訪問次數(shù)是否達(dá)到預(yù)設(shè)的單元格的歸一化訪問次數(shù)閾值，將達(dá)到單元格的歸一化訪問次數(shù)閾值的單元格通過二分法進(jìn)行細(xì)化；

步驟16，跳轉(zhuǎn)到步驟12，重復(fù)執(zhí)行步驟12至步驟15直到達(dá)到預(yù)設(shè)的迭代次數(shù)。

4.根據(jù)權(quán)利要求3所述的基于語義信息的匿名軌跡隱私保護(hù)方法，其特征在于，所述步驟2具體包括：

步驟21，滑動(dòng)窗口算法中的滑動(dòng)窗口設(shè)定為m，其滑動(dòng)步長(zhǎng)設(shè)定為1，從軌跡的起始時(shí)空點(diǎn)開始，將軌跡數(shù)據(jù)集D_dis中的所有軌跡劃分成若干個(gè)包含m個(gè)時(shí)空位置的子軌跡。

5.根據(jù)權(quán)利要求4所述的基于語義信息的匿名軌跡隱私保護(hù)方法，其特征在于，所述步驟3具體包括：

步驟31，計(jì)算子軌跡Tra_a和子軌跡Tra_b的時(shí)空相似度，如下所示：

其中，t表示滑動(dòng)窗口中的第t個(gè)時(shí)隙，表示子軌跡Tra_a和子軌跡Tra_b在第t個(gè)時(shí)隙位置集L_a和L_b的時(shí)空距離，n_a表示位置集L_a中的位置數(shù)，n_b表示位置集L_b中的位置數(shù)，l_a表示位置集L_a中的位置，l_b表示位置集L_b中的位置，SED(l_a，l_b)表示l_a和l_b的平方歐氏距離；

步驟32，根據(jù)步驟31計(jì)算滑動(dòng)窗口中每一對(duì)子軌跡的時(shí)空相似度；

步驟33，將空匿名聚類集合進(jìn)行初始化，在每次迭代中，選取未被加入匿名聚類集合且時(shí)空相似度最小的兩個(gè)子軌跡或子軌跡聚類，合并為新的子軌跡聚類。