基于隐马尔可夫模型的轨迹隐私保护研究

论文摘要

在日新月异的大数据环境下,人机交互的情况变得越亦频繁,各种社交、定位、导航、出行的App层出不穷,GPS、车联网与各种传感器的广泛使用也标志着人们进入了移动互联大时代。基于位置的服务（Location Based Services,LBS）己经成为各行各业关注的重点与研究方向,成为了人们生活不可或缺的一部分。人们利用这些软件与设备出行,感受到科技发展带来的便利的时候,往往也忽视了自身个人隐私的安全。用户在使用LBS相关的服务时,少不了向服务器上传、分享、发布自己的位置信息,而如何通过有效的手段来规避隐私泄露带来的风险,也己成为大数据环境下个人隐私与位置服务的重要研究方向。基于此种情况,本文提出了一种利用双层隐藏状态的隐马尔可夫模型对轨迹进行预测并保护的方法,并完成以下工作:（1）改进了基于双层隐藏状态隐马尔可夫模型的轨迹预测算法DHMTP,使模型能对未来邻近敏感位置进行预测,实现对轨迹和未来邻近敏感位置的预测算法DHS-HMP。（2）利用第一步中预测的近邻敏感位置建立基于假轨迹的k-匿名轨迹隐私保护算法HTAP,算法通过被预测轨迹的敏感点的先验-后验概率差筛选出需要匿名化的具体敏感点,利用四个参数建立对应的虚假点,并组成虚假轨迹,实现了基于隐马尔可夫模型的轨迹隐私保护。最后通过实验证明,整个方法具有较高精准度的预测效果,并能为轨迹隐私提供良好的保护。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究背景与意义
•     1.1.1 研究背景
•     1.1.2 研究问题与意义
•   1.2 研究现状与分析
•     1.2.1 隐马尔可夫模型与轨迹预测研究状况
•     1.2.2 轨迹隐私保护研究状况
•   1.3 本文工作与组织结构
• 第二章 轨迹隐私威胁与保护
•   2.1 基于定位服务隐私威胁
•   2.2 轨迹隐私攻击
•     2.2.1 轨迹隐私的攻击模型
•     2.2.2 基于背景知识的链式攻击
•   2.3 轨迹数据隐私保护方法
•     2.3.1 基于抑制的轨迹隐私保护方法
•     2.3.2 基于虚假数据的轨迹隐私保护方法
•     2.3.3 基于k-匿名的轨迹隐私保护方法
•   2.4 本章小结
• 第三章 基于隐马尔可夫模型的移动轨迹预测
•   3.1 马尔可夫模型相关理论
•     3.1.1 马尔可夫链
•     3.1.2 状态转移概率与转移概率矩阵
•     3.1.3 隐马尔可夫模型
•     3.1.4 Viterbi算法
•     3.1.5 马尔可夫决策过程
•   3.2 轨迹预测的隐马尔可夫模型和数据预处理
•     3.2.1 移动轨迹预测的隐马尔可夫模型
•     3.2.2 轨迹数据处理
•   3.3 隐藏状态挖掘与预测模型参数确定
•     3.3.1 第一层隐藏状态挖掘与参数确定
•     3.3.2 第二层隐藏状态挖掘与参数确定
•   3.4 基于隐马尔可夫模型的轨迹预测算法
•   3.5 实验
•     3.5.1 实验环境与数据
•     3.5.2 实验评估方法
•     3.5.3 实验结果与分析
•   3.6 本章小结
• 第四章 基于隐马尔可夫模型的轨迹隐私保护算法
•   4.1 问题相关定义
•     4.1.1 隐私定义
•     4.1.2 轨迹隐私保护模型
•   4.2 基于隐马尔可夫模型的轨迹隐私保护算法
•     4.2.1 虚假坐标点的选取
•     4.2.2 虚假轨迹的构建
•     4.2.3 算法实现
•   4.3 实验
•     4.3.1 实验度量标准
•     4.3.2 实验环境与数据
•     4.3.3 实验结果与分析
•   4.4 本章小结
• 第五章 总结与展望
•   5.1 本文总结
•   5.2 未来展望
• 参考文献
• 攻读硕士期间的科研成果
• 致谢

文章来源

类型: 硕士论文

作者: 付奇

导师: 易超

关键词: 隐马尔可夫模型,轨迹预测,轨迹隐私保护,匿名

来源: 云南大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 云南大学

分类号: TP309;O211.62

总页数: 62

文件大小: 4212K

下载量: 34