面向移动位置服务的空间位置大数据差分隐私保护研究

As Location Based Services (LBS) have become ubiquitous, the privacy-preserving of that is attracting extensive attentions and has become the urgent problem to be solved. Different than traditional security methods, privacy-preserving technologies devote to balance the privacy security and data availability. This study proposes the universal theory of differential privacy preserving for location data based on traditional differential privacy, and the privacy-preserving scheme and algorithm implementation in accordance with sequence correlation and dynamic update of location data, which can offer the theoretical foundation and practical solutions for privacy-preserving of location data. The subject includes: LBS model with privacy-preserving scheme, the theory of differential privacy preserving for location data, and the typical application oriented algorithm implementation of differential privacy preserving. The algorithm and the solution can be validated by our multiple location applications and “Cross media storage and public service oriented to digital city application” platform. The innovations of this study are the new theory of sequence indistinguishability and privacy budget method of streaming data based on random selection, which not only provide the theoretical foundation for solving the problem of differential privacy- preserving of dynamically released sequence correlated location data, but also make a major contribution for the theory of differential privacy-preserving. This study has important theoretical value and practical significance.

移动位置服务已无所不在，其隐私安全备受关注，是迫切需要解决的问题。不同于传统安全，数据隐私保护致力于隐私安全性和数据可用性的平衡。本课题利用差分隐私理论，研究普适化的位置数据差分隐私保护理论，根据流式发布的位置数据的序列相关性和动态更新性，研究隐私安全方案和算法实现，为位置数据隐私保护提供理论基础和实用解决方案。研究内容包括：具有隐私保护机制的位置服务模型研究；位置数据的差分隐私保护理论研究；面向典型应用的位置数据差分隐私保护算法实现。本课题将利用所在单位已有的多种位置应用和“面向数字城市的实时跨媒体信息存储与公众服务”平台对所提算法和方案进行原理验证。本课题创新体现在：提出序列不可区分性理论及随机化选择流式数据隐私预算方案，不但为解决动态发布的序列相关位置数据的差分隐私保护问题提供了理论基础，更是对差分隐私保护理论的重大贡献，具有重要的理论价值和现实意义。

本项目研究计划面向移动位置服务提出高效实用的动态时空序列差分隐私保护方法，设计面向典型位置服务应用的位置数据差分隐私保护算法，解决支持相关性位置数据的差分隐私保护方法和支持流式发布位置数据的差分隐私保护方案两个关键科学问题。重点研究：具有隐私保护机制的位置服务模型、位置数据的差分隐私保护方法理论和面向典型应用的位置数据差分隐私保护算法实现。. 根据项目计划要求，完成的主要研究成果包括：提出基于序列不可区分性的强相关性位置数据差分隐私保护方法；基于序列不可区分性理论，实现强相关性位置数据的差分隐私保护，且对位置数据可用性影响较小；基于相关性拉普拉斯噪声机制的空间位置数据流式发布方法，实现空间位置数据的流式发布，在位置数据安全高效发布的同时，可为位置服务应用提供较高的可用性；适用于不同位置服务应用的差分隐私保护算法和实现框架，根据位置服务典型应用的特征及需求设计高效实用的位置数据隐私保护算法，在保护位置数据隐私的同时对位置数据挖掘分析结果影响较小；最后基于本实验室长期积累的数据资源及平台建设研制进行应用研究，以评估研究的算法的实用性和可行性。. 项目研究创新性地提出位置序列不可区分性的理论以及相关性拉普拉斯噪声序列的生成方法，采用与现有差分隐私保护算法不同的相关噪声方法，使具有序列相关性的位置数据隐私可以抵抗相关攻击，提高其数据可用性，拓展了差分 隐私保护理论和应用，具有重要的理论价值；项目研究将差分隐私理论推广到位置服务领域，将差分隐私保护方法从只能实现单点保护扩展至多点和轨迹的隐私保护，实现更多位置服务类型的数据隐私保护，为位置数据的隐私安全提供更全面的解决方案。