基于时空相关的轨迹数据隐私保护关键技术的研究

The trajectory data, which contain behavior information of moving objects such as humans, vehicles and animals, place an important foundation for traffic navigation, urban planning, service recommendation and other location based service applications. In those areas, because of the spatio-temporal sequence, different sampling, and semantic complexity properties, the traditional privacy protection technology of location based services cannot meet this need. Therefore, we plan to carry out our researches on trajectory data pattern mining, classification and anomaly detection, more specifically, we focus on (1) the study of privacy protection model and algorithm of trajectory data pattern, which will not only meet the common movement, clustering, sequential, and cycle pattern mining but also guarantee user privacy; (2) the privacy preserving technology of attribute subdivision based on complex semantic features and user behavior data to improve the availability of trajectory data and the security of user data under complex applications; (3) the differential privacy protection technology of mobile objects in social network based on trajectory anomaly detection, which will improve the privacy protection ability of mobile objects by the personalized privacy protection method of synthetic attribute graph publishing; and (4) establish a security trajectory data privacy protection simulation verification system, which is to provide experimental support for the related theoretical research.

轨迹数据因蕴含着人类、车辆、动物等移动对象行为信息，是交通导航、城市规划、服务推荐等基于位置服务应用的重要基础，具有广阔的应用前景。在此类应用中，因轨迹数据的时空序列性、异频采样性以及语义复杂性，传统的基于位置服务的隐私保护技术无法满足这种应用的需求。我们计划对轨迹数据模式挖掘、分类及异常侦测等方面进行隐私保护技术的研究，具体如下：（1）研究面向基础应用的轨迹数据模式挖掘隐私保护模型与算法，在满足共同运动、聚类、序贯及周期模式挖掘应用的前提下，有效保护用户的隐私。（2）研究基于复杂语义特征与用户行为数据叠加的属性细分轨迹数据隐私保护技术，提高复杂应用下轨迹数据的可用性及用户数据的安全性。（3）研究基于轨迹异常侦测的社交网络移动对象差分隐私保护技术，建立合成属性图发布的个性化隐私保护方法，提高移动对象的隐私保护能力。（4）建立安全轨迹数据隐私保护仿真验证系统，为相关的理论研究提供实验支撑。

轨迹数据因蕴含着人类、车辆、动物等移动对象行为信息，是交通导航、城市规划、服务推荐等基于位置服务应用的重要基础，具有广阔的应用前景。在此类应用中，因轨迹数据的时空序列性、异频采样性以及语义复杂性，传统的基于位置服务的隐私保护技术无法满足这种应用的需求。我们计划对轨迹数据模式挖掘、分类及异常侦测等方面进行隐私保护技术的研究，具体如下：（1）研究面向基础应用的轨迹数据模式挖掘隐私保护模型与算法，在满足共同运动、聚类、序贯及周期模式挖掘应用的前提下，有效保护用户的隐私。（2）研究基于复杂语义特征与用户行为数据叠加的属性细分轨迹数据隐私保护技术，提高复杂应用下轨迹数据的可用性及用户数据的安全性。（3）研究基于轨迹异常侦测的社交网络移动对象差分隐私保护技术，建立合成属性图发布的个性化隐私保护方法，提高移动对象的隐私保护能力。（4）建立安全轨迹数据隐私保护仿真验证系统，为相关的理论研究提供实验支撑。