-
公开(公告)号：CN112182645A
公开(公告)日：2021-01-05
申请号：CN202010967393.9
申请日：2020-09-15
Applicant: 湖南大学
Abstract: 本发明公开了一种针对目的地预测的可量化隐私保护方法、设备及介质，其中方法为：利用拉普拉斯机制，向多组相同的历史轨迹数据集注入不同半径的噪声以获得对应轨迹数据集；对每组轨迹数据集进行目的地预测，并根据预测结果计算对应的隐私保护程度进而构建训练样本，以噪声半径等级作为训练样本的标签值；以所有训练样本及其标签值，训练基于多重线性回归的隐私量化保护模型；当接收到隐私保护程度需求和待保护的轨迹时，将隐私保护程度需求输入至隐私量化保护模型；利用拉普拉斯机制，按照隐私量化保护模型输出的噪声半径等级，向待保护的轨迹注入噪声。本发明能够充分满足用户的隐私需求，给用户提供精确和稳定的轨迹隐私保护。
-
Patent Agency Ranking
公开(公告)号：CN114444123B
公开(公告)日：2024-04-19
申请号：CN202210087301.7
申请日：2022-01-25
Applicant: 湖南大学
Abstract: 本发明提供了一种基于语义信息的匿名轨迹隐私保护方法，包括：步骤1，基于空间访问密度将原轨迹数据集中的轨迹进行离散化，生成自适应离散化格网；步骤2，通过滑动窗口算法将离散化格网中的轨迹划分为若干定长的子轨迹；步骤3，分别计算滑动窗口中子轨迹的时空相似度，并分别根据子轨迹的时空相似度进行轨迹聚类，获得轨迹匿名聚类集合；步骤4，将轨迹匿名聚类集合中的同一匿名聚类中的子轨迹进行合并，合并后的子轨迹满足l‑diversity。本发明可使发布的匿名轨迹数据集有效抵御去匿名攻击和语义攻击，保护用户隐私，减少数据损失，保证数据的可用性。
-
公开(公告)号：CN114444123A
公开(公告)日：2022-05-06
申请号：CN202210087301.7
申请日：2022-01-25
Applicant: 湖南大学
IPC: G06F21/62 , G06K9/62 , G06V10/762
Abstract: 本发明提供了一种基于语义信息的匿名轨迹隐私保护方法，包括：步骤1，基于空间访问密度将原轨迹数据集中的轨迹进行离散化，生成自适应离散化格网；步骤2，通过滑动窗口算法将离散化格网中的轨迹划分为若干定长的子轨迹；步骤3，分别计算滑动窗口中子轨迹的时空相似度，并分别根据子轨迹的时空相似度进行轨迹聚类，获得轨迹匿名聚类集合；步骤4，将轨迹匿名聚类集合中的同一匿名聚类中的子轨迹进行合并，合并后的子轨迹满足l‑diversity。本发明可使发布的匿名轨迹数据集有效抵御去匿名攻击和语义攻击，保护用户隐私，减少数据损失，保证数据的可用性。
-
公开(公告)号：CN116401708A
公开(公告)日：2023-07-07
申请号：CN202310387867.6
申请日：2023-04-12
Applicant: 湖南大学
IPC: G06F21/62 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种去中心化社交图数据的本地差分隐私保护方法和系统，所述方法分别对用户端社交图中的k‑星型子图数量和三角形子图数量进行本地差分隐私保护：对于k‑星型子图先使用一轮交互获取社交图中节点度上界，并在第二轮交互中统计得到子图数量；对于三角形子图先使用一轮交互来获取社交图节点度上界与每一个用户加噪邻居节点列表生成社交图模型，并在第二轮交互中通过用户自身判断自己参与三角形子图数量并发送给数据策展方进行统计。本发明基于两轮交互对社交图数据进行本地差分隐私保护，对比于以往的一轮交互算法在误差估计方面有着明显的提升，并且在隐私预算较小时尤为明显。
-
公开(公告)号：CN116436590A
公开(公告)日：2023-07-14
申请号：CN202310387868.0
申请日：2023-04-12
Applicant: 湖南大学
Abstract: 本发明公开了一种云边端协同架构中的轨迹隐私保护方法和系统，方法包括：多个用户端分别量化各自用户的隐私需求，基于用户隐私需求对用户真实轨迹进行扰动处理，再使用边缘端服务器的公钥对扰动轨迹进行加密处理，得到加密扰动轨迹并分发给若干个Shuffler；Shuffler向接收到的加密扰动轨迹分量集内添加虚假轨迹分量，在所有Shuffler之间对轨迹分量执行不经意混洗，并将混洗得到的轨迹分量发送给边缘服务器；边缘服务器将所有接收到的轨迹分量处理，得到所有用户的轨迹信息，且未知用户与轨迹之间的对应关系。本发明在为用户轨迹提供定量隐私保护的基础上提升轨迹数据的有效性，同时防范合谋攻击和数据中毒攻击。
-
公开(公告)号：CN112182645B
公开(公告)日：2022-02-11
申请号：CN202010967393.9
申请日：2020-09-15
Applicant: 湖南大学
Abstract: 本发明公开了一种针对目的地预测的可量化隐私保护方法、设备及介质，其中方法为：利用拉普拉斯机制，向多组相同的历史轨迹数据集注入不同半径的噪声以获得对应轨迹数据集；对每组轨迹数据集进行目的地预测，并根据预测结果计算对应的隐私保护程度进而构建训练样本，以噪声半径等级作为训练样本的标签值；以所有训练样本及其标签值，训练基于多重线性回归的隐私量化保护模型；当接收到隐私保护程度需求和待保护的轨迹时，将隐私保护程度需求输入至隐私量化保护模型；利用拉普拉斯机制，按照隐私量化保护模型输出的噪声半径等级，向待保护的轨迹注入噪声。本发明能够充分满足用户的隐私需求，给用户提供精确和稳定的轨迹隐私保护。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
