基于深度学习的隐私保护方法研究

作     者：熊婧 杜鹏懿 冯晓荣 XIONG Jing;DU Pengyi;FENG Xiaorong

作者机构：工业和信息化部电子第五研究所广东广州511370 

出 版 物：《电子产品可靠性与环境试验》 (Electronic Product Reliability and Environmental Testing)

年 卷 期：2024年第42卷第2期

页      码：76-81页

摘      要：准确和实时的轨迹数据发布能够为用户提供最新的交通和路况信息,有助于用户合理规划出行时间和路线,但是,位置信息的不当发布和反向推理容易泄露用户个人信息,甚至危及用户的生命安全。采用差分隐私方法添加的噪声,会导致隐私保护在数据发布和有效性方面引入不准确性。为了提高发布数据的准确性和可用性,提出了一种基于深度学习和差分隐私模型的数据发布方法,确保时空轨迹数据的安全发布。首先,设计了一种自顶向下递归划分区域的方法,并根据递归深度的增加,多维度定义隐私预算分配规则;其次,通过时空图卷积网络(T-GCN)提取数据的时间和空间特征预测隐私预算矩阵,并对区域添加Laplace噪声,实现轨迹数据的隐私保护。实验结果表明,在满足ε-差分隐私的前提下,该方法能更合理地实现轨迹的隐私保护。

主 题 词：隐私保护 深度学习 时空图卷积网络 差分隐私 隐私预算预测 

学科分类：0839[0839] 08[工学] 

D　O　I：10.3969/j.issn.1672-5468.2024.02.013

馆 藏 号：203127742...