多模态交通流查询的格雷码差分隐私保护方法及装置

本公开实施例涉及数据处理，尤其涉及一种多模态交通流查询的格雷码差分隐私保护方法及装置。

背景技术：

1、目前，随着人工智能和车联网技术的快速发展，智慧交通服务作为智慧城市建设的重要模式，通过收集人、车、路、道路环境等多模态的交通流，执行全息感知、预警控制和智能决策，有力提升用户出行效率。几何范围查询是智慧交通重要的服务场景，交通用户可在某个几何区域(如矩形)内查找需要的交通信息。例如，在高德地图app中，驾驶员为了解某区域的交通状况，需查询该区域内的的实时交通信息。然而，智慧交通服务在为用户提供便利的同时，交通流的安全性成为全球关注的焦点，面临诸多安全风险挑战。

2、查询交通流数据存在严重的隐私泄露问题。交通流包含用户的手机信令、位置、车辆轨迹等实时动态的多模态信息。收集大规模交通流的智慧交通服务器一旦被黑客攻击后，将变得不可信。黑客通过人工智能和大数据挖掘技术对获取的交通流进行分析，可以推断出交通用户的敏感隐私信息，包括：出行轨迹、家庭住址和个人爱好等。因此，为促进智慧交通服务安全推广应用，保护多模态交通流已成为交通用户迫切关注和解决的热点问题。

3、现有隐私保护技术主要分为基于同态加密的安全可搜索方法、传统静态差分隐私方法和现有动态差分隐私方法。然而，面对大规模的交通流，基于同态加密的安全可搜索方法的系统开销较大，且只能允许具有密钥的用户获取交通流数据，不利于大部分无密钥的可信用户对交通流数据的可获取性。传统差分隐私方法主要保护单源静态交通数据。面对具有动态性、多模态的交通流数据，传统差分隐私方法添加的噪声随着数据流的规模增加而增加，导致可用性较低甚至不可用。现有动态差分隐私方法主要采用中心化的隐私保护模型，存在隐私泄露风险。此外，该方法关注单模态数据流的统计查询隐私且为所有用户提供相同的隐私保护水平，没有考虑保护多模态交通流几何范围查询隐私和用户的个性化需求问题，导致数据的可用性不高。

技术实现思路

1、本公开实施例提供一种多模态交通流查询的格雷码差分隐私保护方法及装置，目的是解决现有差分隐私保护技术没有考虑交通流的多模态和个性化分布式隐私需求问题，实现智慧交通服务的安全高效应用。

2、第一方面，本公开实施例提供了一种多模态交通流查询的格雷码差分隐私保护方法，包括：

3、步骤1，基于多层自适应网格分割的格雷码编码机制，对历史多模态交通流进行自适应网格分割和编码，产生多模态格雷码交通流；

4、步骤2，基于层次分明树的格雷码交通流索引方法，根据多模态格雷码交通流构建层次分明树索引结构，支持本地动态更新；

5、步骤3，基于个性化laplace分布的格雷码差分隐私不可区分性机制，计算格雷码交通流的汉明距离，将格雷码交通流添加汉明距离噪声，进行个性化扰动保护，构造扰动层次分明树；

6、步骤4，基于格雷码分布相似性模型的几何范围查询方法，采用剪枝方法对扰动层次分明树进行深度优先搜索，计算满足几何范围查询的叶子节点，并通过格雷码相似性模型计算搜索的叶子节点格雷码值和查询条件格雷码值的相似性值，选取相似性值大于阈值的叶子节点交通流作为多模态交通流查询结果。

7、根据本公开实施例的一种具体实现方式，所述历史多模态交通流包括文本型交通流和数值型空间位置交通流，所述步骤1具体包括：

8、步骤1.1，通过文本处理模型将文本型交通流划分为关键词列表，建立属性词典列表，采用格雷码技术对属性词典列表中的文本属性进行编码，得到文本型交通流对应的属性格雷码值{ag1，...，agn}；

9、步骤1.2，基于多层自适应网格分割机制，通过高通滤波阈值δ1＝α×log(c/∈1i)和噪声偏差阈值对数值型空间位置数据流进行自适应网格分割，得到交通流多层网格集；

10、步骤1.3，根据属性雷码值和交通流多层网格集形成多模态格雷码交通流。

11、根据本公开实施例的一种具体实现方式，所述步骤2具体包括：

12、步骤2.1，基于层次分明树的格雷码交通流索引方法将交通流多层网格集{g1，...，gm}进行格雷码编码，得到交通流多层网格集对应的网格格雷码值{gr1，...，grm}，其中，m为分割的网格个数，每个网格的格雷码二进制位数为

13、步骤2.2，按照层次结构将每层网格格雷码值{gri1，...，grim}(i∈[1，i])映射到层次分明树的叶子节点中，将不同层的格雷码网格从叶子节点到根节点依次构造层次分明树结构；

14、步骤2.3，基于层次分明树结构和属性格雷码值{ag1，...，agn}，将每个交通数据用户的个人文本属性交通流转化为个人属性格雷码值同时将个人数值型时空位置交通流映射到层次分明树的叶子节点中，在本地构建层次分明树索引；

15、步骤2.4，对构建的层次分明树的叶子节点多模态网格格雷码值对应的父节点格雷码值进行本地动态更新，其中，为交通用户在时间点ti下的数值型空间位置格雷码值，为交通用户在时间点ti下的r个属性格雷码值。

16、根据本公开实施例的一种具体实现方式，所述步骤3具体包括：

17、步骤3.1，基于w-event差分隐私思想，采用pid控制器获取采样多模态交通流格雷码值和其中，和分别为用户在不同时刻下的采样多模态交通流格雷码值；

18、步骤3.2，基于汉明距离方法，计算采样的多模态交通流格雷码和的汉明距离

19、步骤3.3，基于隐私预算设定方法，为采样的多模态交通流格雷码值和分配对应的隐私预算，其中，所述隐私预算的表达式为

20、

21、其中，hmax为任意两个采样的多模态交通流格雷码值的最大汉明距离，∈2为隐私预算参数；

22、步骤3.4，基于个性化laplace分布的格雷码差分隐私不可区分性机制，给定采样的多模态交通流格雷码值和隐私参数∈2和hmax，定义隐私预算为为扰动格雷码交通流中的任意扰动输出数据，若隐私机制满足∈2-格雷码差分隐私不可区分性机制满足下式：

23、

24、基于差分隐私性质，设定汉明距离ωi表示满足伯努利分布的随机单位向量，将采样的多模态交通流格雷码值扰动为唯一的噪声格雷码值

25、

26、步骤3.5，基于差分隐私的laplace性质，计算汉明距离hi遵循满足laplace分布的概率分布函数p(hj)为其中，用η表示最大汉明距离hmax范围内的积分分布函数为η＝pr(hi≤hmax)＝1-exp(-∈2)，即计算个性化参数为∈2＝-ln(1-η)，选择随机值p∈[0，1)，则计算hi为：

27、

28、根据不同交通用户设定的参数hmax、p和η，在本地个性化扰动层次分明树中的多模态交通流叶子节点，构造扰动层次分明树。

29、根据本公开实施例的一种具体实现方式，所述步骤4具体包括：

30、步骤4.1，基于个性化格雷码差分隐私机制，将多属性查询条件qt扰动为多模态噪声格雷码值其中，为扰动的数值型查询范围格雷码值，为扰动的文本型查询属性格雷码值；

31、步骤4.2，采用剪枝搜索方法，在扰动层次分明树中按照深度优先搜索算法进行格雷码值匹配搜索，若搜索的节点网格格雷码值与查询范围雷码值不匹配，对该节点及其孩子分支进行减枝，不再搜索，否则，继续对其孩子节点进行搜索，获得满足几何范围查询的叶子节点；

32、步骤4.3，基于互信息方法，计算搜索的叶子节点属性格雷码值和几何范围查询的属性格雷码值之间的互信息其中，和为格雷码值和的概率密度函数，为联合概率密度函数；

33、步骤4.4，基于概率分布距离方法，计算搜索的叶子节点属性格雷码值和查询属性格雷码值之间的概率分布距离其中

34、步骤4.5，利用格雷码分布相似性模型，获取叶子节点属性格雷码值和查询属性格雷码值之间的多属性格雷码分布相似性为gds＝α1×mi-α2×gdd，其中，α1和α2分别为分配给格雷码互信息和概率分布距离的权重；

35、步骤4.6，当格雷码分布相似性值大于阈值δ3时(δ3＞0)，判定叶子节点满足多属性几何范围查询条件，获取多模态交通流几何范围查询结果。

36、第二方面，本公开实施例提供了一种多模态交通流查询的格雷码差分隐私保护装置，包括：多模态交通流网格自适应分割编码模块、动态分布式层次分明树索引构造模块、个性化格雷码差分隐私扰动模块、格雷码分布相似性几何范围查询模块以及搭建的智慧交通平台模型机；

37、所述多模态交通流网格自适应分割编码模块，对多模态交通流的文本属性和几何区域进行分割和编码，产生多模态交通流格雷码值；

38、所述动态分布式层次分明树索引构造模块，构造基于交通流格雷码的层次分明树索引，每个交通用户进行分布式动态更新；

39、所述个性化格雷码差分隐私扰动模块，对采样的多模态交通流格雷码值分配隐私预算和进行扰动；设计个性化laplace机制，实现个性化保护；

40、所述格雷码分布相似性几何范围查询模块，对几何范围查询隐私进行分布式扰动保护，采用剪枝方法、深度优先搜索和基于格雷码相似性模型，计算满足查询属性的多模态交通流；

41、智慧交通服务器平台对历史多模态公共交通流进行收集，通过所述多模态交通流网格自适应分割编码模块产生多模态交通流层次分明树副本；基于层次树构造方法，根据每个交通用户的个人移动设备产生动态分布式层次分明树索引构造模块，分布式构建动态索引，基于所述个性化格雷码差分隐私扰动模块，对多模态交通流格雷码值进行个性化分布式扰动保护，并提交给智慧交通服务器平台，根据格雷码分布相似性几何范围查询模块，将每个查询用户的查询条件进行分布式扰动，采用格雷码分布相似性模型，计算高相似性的查询结果给查询用户。

42、本公开实施例中的多模态交通流查询的格雷码差分隐私保护方案，包括：步骤1，基于多层自适应网格分割的格雷码编码机制，对历史多模态交通流进行自适应网格分割和编码，产生多模态格雷码交通流；步骤2，基于层次分明树的格雷码交通流索引方法，根据多模态格雷码交通流构建层次分明树索引结构，支持本地动态更新；步骤3，基于个性化laplace分布的格雷码差分隐私不可区分性机制，计算格雷码交通流的汉明距离，将格雷码交通流添加汉明距离噪声，进行个性化扰动保护，构造扰动层次分明树；步骤4，基于格雷码分布相似性模型的几何范围查询方法，采用剪枝方法对扰动层次分明树进行深度优先搜索，计算满足几何范围查询的叶子节点，并通过格雷码相似性模型计算搜索的叶子节点格雷码值和查询条件格雷码值的相似性值，选取相似性值大于阈值的叶子节点交通流作为多模态交通流查询结果。

43、本公开实施例的有益效果为：通过本公开的方案，基于自适应网格分割的格雷码编码机制和层次分明树索引构造方法，实现多模态交通流分布式索引构建和动态更新，支持多模态交通流分布式处理和高效查询；基于个性化laplace分布的格雷码差分隐私不可区分性机制，将多模态交通流索引树进行分布式个性化扰动保护，确保了交通流的隐私性；提出提出基于格雷码分布相似性模型的几何范围查询方法，实现查询结果的高可用性；基于w-event差分隐私的思想，w窗口内的多模态交通流实现∈-分布式差分隐私，根据并行组合原理，整个周期的多模态交通流满足∈-分布式差分隐私，每个交通用户个性化设定隐私参数进行分布式保护多模交通流，实现安全高效查询。