申请/专利权人：华中科技大学

申请日：2021-01-20

公开（公告）日：2024-04-09

公开（公告）号：CN112861171B

主分类号：G06F21/62

分类号：G06F21/62;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.06.15#实质审查的生效;2021.05.28#公开

摘要：本发明公开了基于粒子群优化算法的轨迹间相关性隐私保护方法和系统，属于计算机领域。本发明对轨迹数据所在经纬度空间进行离散化，尽量避免无用信息的干扰；基于网格空间提取网格轨迹的网格访问频率向量，并以两个向量之间的相似度作为轨迹间相关性的量化，量化时间复杂度是On量级的；通过改进的粒子群算法求解目标函数能够同时考虑并降低待保护的轨迹与其余轨迹间的相关性，避免了现有的轨迹相关性隐私保护技术只能保护两条轨迹的问题；改进的粒子群算法体现在每轮迭代中，更新完每个粒子的位置向量和速度向量后，采用稀疏向量技术为位置向量对应的频数向量添加拉普拉斯噪声，再将该频数向量归一化得到扰动后的位置向量，保证迭代过程的安全性。

主权项：1.一种基于粒子群优化算法的轨迹间相关性隐私保护方法，其特征在于，该方法包括以下步骤：S1.将待发布所有轨迹所在的地理空间进行网格划分得到网格域G，所述轨迹包括经纬度和时间戳，把每条轨迹从经纬度形式映射为网格形式后，统计每条网格轨迹在网格域G上网格访问频率向量S2.对于每一条网格轨迹，采用改进的粒子群优化算法求解目标，得到更新后的网格访问频率向量其中，粒子的位置向量为目标为尽可能保持该网格轨迹对应的和的相似性同时尽可能降低该网格轨迹的与其它轨迹间的网格访问频率向量的相似性，所述改进的粒子群优化算法在每一轮迭代中，更新完每个粒子的位置向量和速度向量后，采用稀疏向量技术为粒子的位置向量对应的频数向量添加维度为|G|的拉普拉斯噪声，再将扰动后的频数向量归一化得到扰动后的粒子的位置向量；S3.对于每个更新后的网格访问频率向量结合所属网格轨迹和网格域G，生成对应扰动后网格轨迹后，映射为经纬度形式后发布出去；其中，步骤S1中，对网格域G中的每个网格进一步划分得到L*L个子网格，其中，L与qCk成正比关系， 其中，qCk表示网格Ck的位置多样性，表示第i条网格轨迹，ε1表示隐私预算，Lap·为拉普拉斯密度函数；步骤S2中，改进的粒子群优化算法的目标函数如下： 改进的粒子群优化算法的约束条件如下： 其中，函数sim·计算两个向量之间的相关系数；Pi表示输入轨迹对应的网格访问频率向量；Pi′表示输入轨迹更新后的网格访问频率向量；Pj表示其它轨迹对应的网格访问频率向量，|Pi′|表示输入轨迹更新后的网格访问频率向量的维度，Pi′[m]表示输入轨迹更新后的网格访问频率向量的第m维；Pi′中每个维度Pi′[m]的取值范围需要满足以下限定：若输入轨迹第j个节点对应的原始网格是Ck，那么更新后第j个节点所对应的网格只能从Ck周围3*3的9个网格中选择；在对Pi进行遍历后，得到对{C1,C2,…,C|G|}中每个网格可能的最大访问次数；对每个网格的最大访问次数归一化，得到Pi′中每个维度的取值上界，与之对应的取值下界均为0；步骤S3包括：S31.统计得到Pi′中访问频率大于0的网格集合SC；S32.依次从集合SC中为每个节点选择可用性最高的网格，从而最终得到一条可用性高的合成网格轨迹TiC′；每个网格的可用性定义如下： 其中，tj表示节点编号，Ck表示为当前节点tj选择的网格；表示输入轨迹的原始网格轨迹在节点tj时的网格是Ck的概率；表示已合成的网格轨迹与原始网格轨迹截止到节点tj的网格访问频率向量的相似度；函数表示与网格Ck对应的在SC中所有网格对应的项中的排序，表示与网格Ck对应的在SC中所有网格对应的项中的排序；S33.对于每个节点对应的网格，从该网格中选择一个位置多样性最大的子网格，从落在该子网格内并且属于给定输入轨迹对应用户的位置集合中选择一个访问频率最高的位置作为当前时序的扰动位置，从而转化为经纬度形式的轨迹Ti′，并将Ti′作为最终的发布轨迹。

全文数据：

权利要求：

百度查询： 华中科技大学 基于粒子群优化算法的轨迹间相关性隐私保护方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD