[发明专利]一种基于空间序列数据分析的用户轨迹隐私保护方法

说明书

本发明公开了一种基于空间序列数据分析的用户轨迹隐私保护方法，首先对每个移动用户的空间序列数据进行聚类分析，获得每个用户的兴趣点和兴趣区；然后，对指定区域内的全体用户的兴趣点和兴趣区按照时间进行迭代，得到不同时间范围内的用户公共兴趣区；最后，在每个公共兴趣区内，采用位置随机交换方法实现用户轨迹隐私的动态保护。本发明通过对轨迹数据进行时间维度和空间维度的分析处理，在隐私保护的同时确保统计特征、聚类特征不变，满足了空间大数据发布和共享时区域分析(区域对比分析、人口密度分析、交通状况分析等)的应用需求，达到了平衡隐私保护与数据可用性矛盾的目的。

技术领域

本发明涉及信息安全技术领域，特别涉及一种用户轨迹隐私保护方法。

背景技术

随着位置服务(Location Based Service，LBS)的发展和智能设备的普及，产生了大量的空间数据。空间数据通过实时发布或共享，不仅可以为个人生活提供便利，也可为政府决策和企业生产提供服务。然而，用户在使用空间数据获取服务时，必然会在数据服务器上留下大量的记录，而附着在这些用户记录上的上下文信息往往包含着用户的个人敏感信息。在数据发布和共享过程中，除了需要考虑如何从数据角度进行分析之外，还需要考虑分析对其统计和挖掘带来的后果；理想状况下的隐私保护是不泄露数据中的任何隐私信息，但这样的数据是弱可用的；因此如何在保护用户隐私的同时又能为用户提供高质量的数据与信息服务，是空间数据服务过程中必须解决的重要科学问题。

现有隐私保护技术的研究中，包含着从不同角度对空间数据进行表示和处理的方法。Xiaokui Xia等人利用数据干扰的方法进行数据发布中的隐私保护；田丰等人利用Hilbert曲线对空间数据进行转换；Zohaib Riaz等人通过数据混淆的方式在非可信环境下进行位置数据共享的隐私保护；在Gedik B等人提出的可扩展的位置隐私保护架构中，包含了个性化的位置匿名模型和位置扰动算法；王璐等人采用基于概率的方法量化了位置大数据的隐私；王彩梅等人用带权无向图描述用户运动轨迹，从信息熵的角度计算用户的轨迹隐私水平；Domingo-Ferrer Josep等人提出了一种考虑时空因素的轨迹距离度量方法，使用微聚集方式进行轨迹的匿名。但是，现有空间数据隐私保护方法很难保证空间大数据中位置和轨迹数据的统计特征、聚类特征不变。

发明内容

本发明的目的在于提供一种基于空间序列数据分析的用户轨迹隐私保护方法，以解决现有空间数据隐私保护方法很难保证空间大数据中位置和轨迹数据的统计特征与聚类特征不变的问题。本发明首先对每个移动用户的空间序列数据进行聚类分析，获得每个用户的兴趣点和兴趣区；然后，对指定区域内的全体用户的兴趣点和兴趣区按照时间进行迭代，得到不同时间范围内的用户公共兴趣区；最后，在每个公共兴趣区内，采用位置随机交换方法实现用户位置和轨迹隐私的动态保护。

为了实现上述目的，本发明采用如下技术方案：

一种基于空间序列数据分析的用户轨迹隐私保护方法，包括以下步骤：

A.提取个人兴趣点：对每个移动用户的空间序列数据进行聚类分析；

B.构建公共兴趣区：对全体用户的兴趣点按时间分区进行聚类分析；

C.在公共兴趣区内交换位置：对同一个兴趣区内的用户位置进行随机交换。

进一步的，步骤A具体包括以下步骤：

A1：对于每个移动用户一天内所有的采样位置，使用基于密度的聚类方法对其进行聚类，并根据聚类结果生成聚类索引；

A2：根据指定的时间阈值和漂移点个数阈值，使用基于时间序列的方法对每个移动用户的聚类索引进行分析，修改不能形成兴趣区的采样点的聚类索引、漂移点的聚类索引，生成每个用户的个人兴趣区索引；

A3：将个人兴趣区索引中数值相同的采样点按照指定的方式生成个人兴趣点。

进一步的，