融合聚类与差分隐私的位置隐私方法研究  

Research on Location Privacy Method Combining Clustering and Differential Privacy

作　　者：张伟媛 汤文兵[1] 陈彦杰 Zhang Weiyuan;Tang Wenbing;Chen Yanjie

机构地区：[1]安徽理工大学计算机科学与工程学院,安徽淮南232001

出　　处：《赤峰学院学报（自然科学版）》2023年第11期1-5,共5页Journal of Chifeng University(Natural Science Edition)

基　　金：安徽理工大学2021年研究生创新基金项目(2021CX2108)。

摘　　要：移动计算设备的快速发展导致了基于位置的服务(LBS)得到了各领域的应用,但同时给用户隐私安全带来威胁。针对用户位置信息上传共享第三方的问题,提出了融合聚类与差分隐私的位置保护方案。首先,根据位置信息的密集程度将周边位置点进行排序划分,采用k-means聚类对其进行泛化处理;在满足地理不可区分性的前提下通过平面拉普拉斯机制对簇中心进行加噪,得到每个位置点的扰动位置,进而保护位置隐私。实验结果证明,在保障位置隐私安全的前提下,本文算法具有更高的数据利用率。

关 键 词：差分隐私 K-MEANS聚类 位置隐私 基于位置的服务 

分 类 号：TP309.2[自动化与计算机技术—计算机系统结构]