[发明专利]移动群智感知中收集用户实时位置信息的差分隐私方法

说明书

本发明涉及一种移动群智感知中收集用户实时位置信息的差分隐私方法，属于群智感知技术领域。该隐私方法包括：S1：判断用户当前的位置点是否为关键点并计算其重要性，计算用户当前位置所在的滑动窗口内用户轨迹的隐私泄漏量；S2：根据用户当前位置的重要性以及隐私泄露量给用户当前位置分配隐私预算；S3：用户根据分配的隐私预算对当前位置进行扰动获得候选位置集，并选择出用户对隐私泄露量和所获得的收益均满意的位置点作为扰动位置提交给服务器。本发明可以有效的从本地来保护用户的隐私而不需要服务器来保护用户的隐私，此外，根据本发明在保证用户隐私的基础上能够最大化用户上传位置信息所能够获得的收益。

技术领域

本发明属于群智感知技术领域，涉及移动群智感知中用户轨迹的隐私保护，具体是一种移动群智感知中收集用户实时位置信息的差分隐私方法。

背景技术

近年来，随着以智能手机、智能手表等为代表的移动智能终端的普及，相关产业呈现井喷式增长。不断发展的内置传感器提高了智能设备的感应能力，并且迅速增长的用户为移动群智感知(MCS)的发展奠定了基础。作为一种新的数据收集范例，MCS系统通常由服务器和大量参与者组成。具体而言，服务器首先将感知任务发布给移动智能设备用户，如果用户愿意参与感知任务，他会接受任务并提交数据来完成任务。然而，在数据收集的过程中，参与者的隐私信息往往会被攻击者获取，出于安全考虑，用户往往会退出感知任务，因此，在任务的发布、数据的收集以及上传过程中保护参与者的隐私极其重要。

由于大多数MCS任务与位置有关，因此服务器通常要求参与者报告其位置以及传感数据。但是，参与者位置的公开越来越多，这带来了隐私泄露的威胁。为了保护参与者的位置隐私，差分隐私由于其强大的隐私保护能力，它已经是在数据库环境中保护个人隐私的常用方法，为用户隐私的保护提供了很好的解决方案。差分隐私保护，不需要特殊的假设攻击、不关心攻击者所拥有的背景知识，甚至假设攻击者已知除一条记录之外的所有记录，仍然可以保护用户的敏感信息不会受到攻击，同时给出可证明性的量化分析。

目前，差分隐私技术通常用在服务器端对数据库的数据进行保护，但是，攻击者也可能从不可信的第三方或服务器获得用户的全部数据。

发明内容

针对上述现有技术中描述的不足，本发明提供一种移动群智感知中收集用户实时位置信息的差分隐私方法，保护用户的实时位置。用户在本地端对其实时位置进行扰动并将扰动后的位置上传到服务器，在最大化用户上传数据所能够获得收益的前提下实现对其隐私的保护，同时，用户对其位置隐私保护的强度是由多个因素决定的。

为达到上述目的，本发明提供如下技术方案：

一种移动群智感知中收集用户实时位置信息的差分隐私方法，能够对用户的实时位置进行保护，包括以下步骤：

先对用户活动区域进行划分标号。

S1：计算用户当前位置点所在的滑动窗口内所剩余的隐私预算ε_r，判断用户当前的位置点是否为关键点并计算重要性I，然后计算用户轨迹的隐私泄漏量 TPL_w-1；

S2：根据用户当前位置点的重要性I以及隐私泄露量TPL_w-1给用户当前位置点分配隐私预算ε_i；

S3：用户根据分配的隐私预算ε_i对当前位置点进行扰动获得候选位置点集A，并选择出用户对隐私泄露量和所获得的收益均满意的位置点作为扰动位置提交给服务器。

进一步，在步骤S1中，具体步骤为：

S11：计算用户当前位置点所在的滑动窗口内所剩余的隐私预算ε_r；

根据用户当前位置点所在的滑动窗口内前面w-1个位置点所消耗的隐私预算，计算当前位置点所剩余的隐私预算ε_r：