一种基于用户偏好和差分隐私的位置隐私保护方法及系统

本发明涉及网络通信，特别是指一种基于用户偏好和差分隐私的位置隐私保护方法及系统。

背景技术：

1、随着社交网络的兴起，地理信息系统(gis)和全球定位系统(gps)等技术的发展使得获取、存储和共享地理位置信息变得更加容易和精确，人们开始在互联网上建立社交关系和分享信息。lbsns将社交网络与地理位置相结合，为用户提供了一种新的社交体验，例如在特定位置查找附近的朋友或分享在某个地点的活动以及发现与他们周围环境相关的内容等。当用户在使用这些服务时需要分享他们的位置信息。这种信息的泄露可能导致用户的隐私泄露，例如，攻击者可以通过分析用户的位置轨迹来确定他们的日常活动模式和常去的地方。这会对用户的隐私带来极大的威胁。

2、为了保护用户的位置隐私，近年来提出了许多技术。已有的方法包括l-多样性、k-匿名化、位置混淆、差分隐私等。这些方法在不同的情境下提供了一定程度的位置隐私保护，但也存在局限性。l-多样性方法通常只关注于敏感值的多样性，而忽略了其他可能导致隐私泄露的信息，如时间和频率。此外，攻击者可能通过外部知识重新识别数据，从而绕过l-多样性的保护。k-匿名化方法要求在数据集中每个记录至少具有k-相似记录，这可能导致数据失真，尤其是在小数据集上。此外，攻击者可以使用外部信息进行推断攻击。位置混淆引入的噪声可能会降低数据的精确性，影响位置相关应用程序的性能。噪声的调整可能需要权衡隐私保护和数据质量之间的关系。差分隐私引入的噪声可以降低数据的质量和实用性，尤其是在小规模数据集上。此外，需要仔细调整差分隐私参数以平衡隐私和数据质量。因此，研究人员不断提出新的方法来提高位置隐私保护的效果。为了从根本上解决现有隐私保护方案的弊端，必须结合用户偏好、服务变化规律等研究隐私保护策略，从而提高数据的效用，更好的保护用户的位置信息。

技术实现思路

1、为了解决lbsns场景下的位置隐私问题，本发明提出了一种基于用户偏好和差分隐私的位置隐私保护方法及系统，使得无论攻击者拥有多少先验知识都无法从查询序列中推断出用户的真实位置和敏感属性。同时，此方法保证了用户每次查询的准确性，在添加了差分隐私后仍能使得用户最终获得的查询结果保持不变。

2、本发明的技术方案是这样实现的：

3、一种基于用户偏好和差分隐私的位置隐私保护方法，包括：

4、s10：提出停留点提取算法，通过对用户的位置数据进行预处理，并根据滑动窗口算法进行停留点提取，得到停留点集合，对停留点集合进行计算处理得到停留点访问次数；

5、s20：根据用户位置之间的距离，对停留点集合进行聚类，得到位置点集合，将得到的位置点集合中的位置点数据集与真实poi数据集进行融合，得到每个位置点对应的类型，并通过位置点与停留点的对应关系得到停留点类型集合；

6、s30：根据停留点访问次数和停留点类型动态获取隐私预算和噪声敏感度，然后根据隐私预算和噪声敏感度动态确定隐私半径，并对隐私半径加入拉普拉斯噪声，得到泛化后的位置数据。

7、在步骤s10中，用户的位置数据为gps序列，距离阈值，时间阈值；

8、设定滑动窗口边界，计算任意两点间的距离是否小于距离阈值且时间是否大于时间阈值；

9、计算满足阈值条件的中心点坐标，获得停留点；

10、计算用户的停留点访问次数。通过设定距离阈值distance_threshold，对每个用户位置和每个停留点进行遍历。如果用户当前位置与停留点的距离小于distance_threshold，就认为用户访问了该停留点，并将该停留点的访问次数记录在staypoint_visit_count字典中。

11、在步骤s20中，服务器得到用户的停留点集合为，距离阈值，表示用户的停留点个数；

12、将第一个停留点作为聚类的中心点，计算任意两点间的距离是否大于距离阈值；

13、计算满足阈值条件的中心点坐标，获得位置点；

14、融合poi数据集，得到位置点对应的服务类型，并根据位置点与停留点的对应关系得到停留点的服务类型。

15、在步骤s30中，根据得到的停留点访问次数以及停留点对应的服务类型集合，获取隐私预算及噪声敏感度；

16、根据隐私预算和噪声敏感度获取隐私半径，并添加拉普拉斯噪声；其中，表示隐私半径的敏感度，表示噪声敏感度，表示生成拉普拉斯分布随机数的函数；

17、遍历同类型停留点集合，计算两点间的距离是否满足给出的距离阈值，并将符合条件的点添加到临时列表e中；

18、判断临时列表是否为空，若不为空，则随机选择一个点添加到泛化停留点集合中；若为空，则将当前停留点添加到泛化停留点集合中。

19、一种基于用户偏好和差分隐私的位置隐私保护方法对应的系统，包括停留点提取模块、位置检测模块、位置泛化模块，其中，

20、所述停留点提取模块，用于获得用户移动轨迹中的停留点位置；

21、所述位置检测模块，用于将用户在移动轨迹中的停留点聚类为位置；

22、所述位置泛化模块，用于根据用户偏好，利用差分隐私机制对用户的位置数据进行泛化，以保护用户的位置信息。

23、与现有技术相比，本发明产生的有益效果为：

24、1)本发明可以实现动态地对用户位置数据进行保护，解决了实际位置社交网络环境下，无法有效解决用户敏感位置信息的泄露问题，提升了用户的个性化体验。

25、2)利用差分隐私机制通过添加噪声来确保数据分析结果不会泄露用户的信息，从而保护了数据的隐私性，提高了系统的可靠性，为未来基于位置的社交网络中保护隐私的个性化位置服务提供了高效解决方案。

技术特征：

1.一种基于用户偏好和差分隐私的位置隐私保护方法，其特征在于，包括：

2.根据权利要求1所述的基于用户偏好和差分隐私的位置隐私保护方法，其特征在于，在步骤s10中，用户的位置数据为gps序列，距离阈值，时间阈值；

3.根据权利要求1所述的基于用户偏好和差分隐私的位置隐私保护方法，其特征在于，在步骤s20中，服务器得到用户的停留点集合为，距离阈值，表示用户的停留点个数；

4.根据权利要求1所述的基于用户偏好和差分隐私的位置隐私保护方法，其特征在于，在步骤s30中，根据得到的停留点访问次数以及停留点对应的服务类型集合，获取隐私预算及噪声敏感度；

5.一种如权利要求1-4任一项所述的基于用户偏好和差分隐私的位置隐私保护方法对应的系统，其特征在于，包括停留点提取模块、位置检测模块、位置泛化模块，其中，所述停留点提取模块，用于获得用户移动轨迹中的停留点位置；

技术总结
本发明提出了一种基于用户偏好和差分隐私的位置隐私保护方法及系统，所述方法包括：通过停留点提取，获得用户移动轨迹中的停留点位置，计算用户的停留点访问次数；通过位置检测，将用户的停留点聚类为位置，并融合POI数据集，得到位置点对应的服务类型；根据停留点访问次数和停留点类型动态获取隐私预算和噪声敏感度，然后根据隐私预算和噪声敏感度动态确定隐私半径，并对隐私半径加入拉普拉斯噪声，得到泛化后的位置数据。本发明可以实现动态地对用户位置数据进行保护，解决了实际位置社交网络环境下，无法有效解决用户敏感位置信息的泄露问题，提升了用户的个性化体验，保护了数据的隐私性，提高了系统的可靠性。

技术研发人员：朱亮,穆金巧,余丽萍,贾艺豪,周若阳,蔡增玉,张建伟
受保护的技术使用者：郑州轻工业大学
技术研发日：
技术公布日：2024/5/10