-
公开(公告)号：CN112668040A
公开(公告)日：2021-04-16
申请号：CN202011468509.0
申请日：2020-12-14
Applicant: 长安大学
Abstract: 本发明公开了一种基于语义的轨迹聚类隐私保护方法，将车辆轨迹数据挖掘与轨迹中兴趣点的隐私保护结合起来。首先使用改进的Clusters函数进行轨迹分段，从而生成单个轨迹上的集群；然后计算轨迹数据聚类的距离范围Eps；根据Eps确定轨迹点的Eps邻域，之后确定集群的核心点，使用核心点及其Eps邻域进行停止区域聚类；对Eps进行调整，使其满足终止条件；通过核心属性选择对停止区域进行二次聚类；在轨迹数据发布前，首先根据隐私保护等级和Delaunay三角剖分方法进行路网分割，形成多个Voronoi map(VM)；其次，基于匿名度和类别度，将每个VM中的兴趣点分类到多个桶(bucket)中；最后，发布包含兴趣点伪位置的轨迹数据，本发明中，兴趣点的伪位置是指每个兴趣点对应的桶中与其持续时间最接近的兴趣点。本方法能够有效保护车辆轨迹兴趣点挖掘过程中所涉及到的隐私信息。
-
公开(公告)号：CN112559593A
公开(公告)日：2021-03-26
申请号：CN202011468510.3
申请日：2020-12-14
Applicant: 长安大学
IPC: G06F16/2458 , G06F21/62 , G07C5/08
Abstract: 本发明公开了一种基于标签聚类的本地化差分隐私保护方法，将车辆轨迹数据挖掘与本地化差分隐私保护结合起来；在将原始轨迹数据发送给服务器之前，对其进行本地化差分隐私保护处理。在轨迹划分过程中，使用改进的打开窗口算法对原始的轨迹进行划分，使轨迹的划分收到经纬度和速度等属性的约束；在标签聚类之前，将轨迹划分后的子轨迹端点作为节点，构造一个带权无向完全图，使聚类的迭代结果更为稳定；在随机扰动过程中，对车辆轨迹数据挖掘中的隐私保护进行了实例化的场景分析，用户通过{0，1}的二项式分布来响应“是否为兴趣点”这一问题，即以满足差分隐私保护的概率回答这一问题，继而使攻击者无法区分出轨迹点是否为兴趣点；同时，还考虑了兴趣点的语义标签可能泄露，统计回答为“1”的用户，求出回答为“0”用户语义标签的线性回归方程，并通过该方程扰动回答为“1”用户的速度标签，继而实现对于轨迹挖掘中兴趣点的隐匿处理，本方法能够有效保护车辆轨迹聚类过程中所涉及到的隐私信息。
-
公开(公告)号：CN112668040B
公开(公告)日：2024-09-20
申请号：CN202011468509.0
申请日：2020-12-14
Applicant: 长安大学
Abstract: 本发明公开了一种基于语义的轨迹聚类隐私保护方法，将车辆轨迹数据挖掘与轨迹中兴趣点的隐私保护结合起来。首先使用改进的Clusters函数进行轨迹分段，从而生成单个轨迹上的集群；然后计算轨迹数据聚类的距离范围Eps；根据Eps确定轨迹点的Eps邻域，之后确定集群的核心点，使用核心点及其Eps邻域进行停止区域聚类；对Eps进行调整，使其满足终止条件；通过核心属性选择对停止区域进行二次聚类；在轨迹数据发布前，首先根据隐私保护等级和Delaunay三角剖分方法进行路网分割，形成多个Voronoi map(VM)；其次，基于匿名度和类别度，将每个VM中的兴趣点分类到多个桶(bucket)中；最后，发布包含兴趣点伪位置的轨迹数据，本发明中，兴趣点的伪位置是指每个兴趣点对应的桶中与其持续时间最接近的兴趣点。本方法能够有效保护车辆轨迹兴趣点挖掘过程中所涉及到的隐私信息。
-
公开(公告)号：CN112801131A
公开(公告)日：2021-05-14
申请号：CN202011498909.6
申请日：2020-12-17
Applicant: 长安大学
Abstract: 本发明将车辆轨迹聚类与轨迹数据的隐私保护结合起来，建立了一种基于密度聚类的语义轨迹匿名区域构建方法；首先根据改进的DBSCAN算法得到车辆轨迹密度大小，根据车辆轨迹密度大小选择相应的构建匿名区域的技术方法；对于车辆轨迹密度小于给定阈值α的轨迹集，对该轨迹集直接进行泛化处理，泛化处理后的轨迹集所在的区域就构成了匿名区域；对于车辆轨迹密度大于等于给定阈值α和轨迹间语义相似性大于等于给定阈值β的轨迹集，在该轨迹集基础上构建维诺图单元模型，选取相应的匿名集用户后，进一步构建匿名区域。本方法能够提高匿名区域构建的精度范围，减少轨迹信息失真率，有效保护用户的隐私。
-
-
-
Search Results
4
records
(took 0.011 seconds)
