第 36卷第 6期 计算机应用与软件 Vol36 No.6
2019年 6月 ComputerApplicationsandSoftware Jun.20
19
基于差分隐私的混合位置隐私保护
徐启元 陈珍萍
付保川 许馨尹 邵雪莲
(苏州科技大学电子与信息工程学院 江苏 苏州 215009)
收稿日期:2018-11-29。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)。徐启元,硕士生,主研领域:信息安全,智慧城市。陈珍萍,副教授。付保川,教授。许馨尹,讲师。邵雪莲,硕
士生。
摘 要 针对现有差分隐私 kmeans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 kmeans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 kmeans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。
关键词 位置隐私 差分隐私 混合保护 kmeans聚类
中图分类号 TP309.2 文献标识码 A DOI:10.3969/j.issn.1000386x.2019.06.054
HYBRIDLOCATIONPRIVACYPROTECTIONBASEDONDIFFERENTIALPRIVACY
XuQiyuan ChenZhenping
FuBaochuan XuXinyin ShaoXuelian
(SchoolofElectronicandInformationEngineering,SuzhouUniversityofScienceandTechnology,Suzhou215009,Jiangsu,China)
Abstract Aimingatproblemssuchastheexistingdifferentialprivacykmeansalgorithm issensitivetotheinitial
centerpoint,theuserlocationdataerrorislarge,andtheavailabilityislow,etc.,accordingtothecharacteristicsof
LBS,theconceptofcrowddensitywasintroduced,andahybridlocationprivacyprotectionmethodbasedondifferential
privacykmeanswasproposed.IntermsofthecharacteristicsoftheLBS,thelocationoftheuserslocationwasdivided
intodiscretepointsandnondiscretepoints.Baseonthedifferentialprivacytechnology,usingimprovedclustering
algorithmstogeneralizeandenhancethelocationinformation,thediscretepointsweredeterminedbyanalyzingthe
sparsitydegreeoftheuserspositionpoints.Theimprovedkmeansalgorithm basedondifferentialprivacywasusedto
generalizethenondiscretepointstorealizetheprivacyprotectionofuserlocationinformation.Simulationresultsshow
thattheproposedmethodhashighdataavailabilityunderthepremiseofthesameprivacybudget.
Keywords Locationprivacy Differentialprivacy Hybridprotection Kmeansclustering
0 引 言
随着智能终端的广泛应用,智能手机、平板等设备
已经成为人们生活中的必须品,用户使用全球定位系
统(GlobalPositionSystem,GPS)和通信运营商的定位
服务也在日益精确,基于位置的服务 (LocationBased
Services,LBS)得到越来越广泛的应用,用户可以通过
这些 LBS应用搜索附近的所有餐厅、距离自己最近的
电影院等
[1]
。然而,LBS的广泛应用也带来了一系列
问题,其中一个重要问题就是用户位置信息存在被泄
露的风险
[2]
。近些年来,关于位置隐私保护的研究非
常活跃,取得了很多研究成果。
文献[3]采用模糊策略对位置进行模糊化处理,
虽然可以保护位置隐私,但影响了感知数据的服务质
量,降低了数据可用性。文献[4]采用假名替换,即把