[发明专利]一种基于空间位置服务的差分隐私保护方法

说明书

本发明涉及一种基于空间位置服务的隐私保护方法，利用差分隐私保护的性质对空间位置服务数据中各种隐私信息进行最大限度的保护，同时又不加入过多噪声而影响服务质量。相对于传统隐私保护而言，差分隐私保护能够在攻击者拥有最大背景知识的条件下抵抗各种形式的攻击。本发明正是借助差分隐私保护的这一大优势，实现对隐私保护的收益最大化。本发明在编码机制上使用指数机制，将三维空间的坐标转换为实体对象；在数据发布方面运用交互式发布机制，使用迭代数据集生成架构（IDC Framework），减少耗费的隐私保护预算，从而降低噪声总量；查询端的数据挖掘方面采取适用于三维数据集的频繁项集挖掘方法—PrivBasis，能够在保证计算性能的前提下降维实现差分隐私保护。

技术领域

本发明涉及空间位置服务中隐私保护技术，具体是一种基于空间位置服务的差分隐私保护方法。

背景技术

随着地理位置采集技术在移动设备上的广泛使用，通过收集用户的移动轨迹数据（即空间数据集）实现对用户行为习惯的分析已成为热门研究。为了能够获取有用的用户行为模型，大量的用户个人历史位置信息被收集和分析。但是一个主要的担忧是，用户的位置信息伴随着大量个人隐私存在被泄露的风险。因而用户在分享位置信息的同时，如何保护个人徇私是一个具有挑战性的问题。

空间数据集被攻击、推理可能导致个人兴趣爱好、行为模式、社会习惯、健康状况等隐私信息的暴露，通过传统的隐私保护算法包括K-匿名等对隐私数据进行保护，有一定的隐私保护效果，但是这些算法没有严格定义攻击模型，对攻击者所掌握的知识未能作出定量化定义，往往会遭到一致性攻击和背景知识攻击，使得数据的隐私和有用性得不到有效的保障。差分隐私是一个极为严格的攻击模型，并对隐私泄露风险给出了严谨、定量化的表示和证明。差分隐私保护在大大降低隐私泄露风险的同时，极大地保证了数据的有用性。

但是，当前基于差分隐私保护算法的研究主要是通过减少绝对误差，即通过测算全局敏感度，适当的减少对查询结果加入噪声的规模来提高查询结果的精确度。然而，所加入的噪声值的大小和查询结果的规模的大小毫无关联。局部区域添加过多噪声，容易产生较大的相对误差，从而导致整体查询结果的准确性得不到有效的保证，即数据的有用性大大降低。

因而，在基于空间位置服务的差分隐私保护研究工作中，关于如何在各个环节减少数据处理过程中产生的噪声和计算复杂度进而提高数据的查询精度和准确性成为了本发明要解决的问题。

发明内容

本发明的目的在于针对上述现有技术的不足，而提供一种基于空间位置服务的差分隐私保护方法，该方法用于解决减少空间位置服务数据在基于差分隐私保护算法处理过程中产生导致噪声过大和计算过程过于复杂的问题，实现提高数据的精度和准确性。

实现本发明目的的技术方案是：在编码机制上使用指数机制，将三维空间的坐标转换成实体对象；在数据发布方面运用交互式发布机制，使用迭代数据集生成架构（IDCFramework），减少耗费的隐私保护预算，从而降低噪声总量；查询端的数据挖掘方面采取适用于三维数据集的优化频繁项集挖掘方法——PrivBasis方法，在保证计算性能的前提下降维实现差分隐私保护。

一种基于空间位置服务的差分隐私保护方法，包括如下步骤：

（1）数据集的采集处理

对于用户上传的空间位置数据集，将其中的每条三维坐标信息记录转换为一个实体对象进行处理，用于下一步的指数机制编码处理；

（2）合理分配隐私预算ε，

输出为一实体对象r∈Range，定义可用性函数q（D,r），Δq为函数q（D,r）的敏感度，当满足以下公式时，此指数机制算法可为空间位置服务提供ε-差分隐私保护要求；

（3）迭代数据集生成架构处理数据发布工作