10.3969/j.issn.1000-386x.2019.06.054
基于差分隐私的混合位置隐私保护
针对现有差分隐私k-means算法对初始中心点敏感、用户位置数据误差偏大、可用性较低等问题,根据LBS的特点,引入人流密度的概念,提出一种基于差分隐私k-means的混合位置隐私保护方法.根据LBS特点将用户位置点分成离散位置点和非离散位置点,基于差分隐私技术,采用改进聚类算法对位置信息进行泛化和加噪;通过分析用户位置点的稀疏程度来确定离散点,对离散点位置信息采用基于差分隐私的单独加噪技术;对非离散点采用基于差分隐私的改进k-means算法进行泛化处理,以实现用户位置信息的隐私保护.仿真实验表明,在相同隐私预算的前提下,该方法具有较高的数据可用性.
位置隐私、差分隐私、混合保护、k-means聚类
36
TP309.2(计算技术、计算机技术)
国家自然科学基金项目61672371,51874205,61803279;江苏省高等学校自然科学研究重大项目17KJA520005
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
296-301