
-
生物通官微
陪你抓住生命科技
跳动的脉搏
一种面向基于位置的服务中位置、轨迹及移动模式隐私的基于学习的自适应混合椭圆遮蔽框架
《Scientific Reports》:A learned adaptive hybrid elliptical cloaking framework for location, trajectory, and mobility-pattern privacy in location-based services
【字体: 大 中 小 】 时间:2026年08月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要确保基于位置服务中位置、轨迹和移动模式的强大隐私保护仍然是一个关键挑战,因为现有的匿名化技术往往无法同时保护这三个维度,并且通常忽略了兴趣点(POI)感知和人口密度适应性。本文提出了一种学习适应性混合椭圆遮蔽(LAHEC)框架,包含两种新颖的机制:EllipCloak,一
确保基于位置服务中位置、轨迹和移动模式的强大隐私保护仍然是一个关键挑战,因为现有的匿名化技术往往无法同时保护这三个维度,并且通常忽略了兴趣点(POI)感知和人口密度适应性。本文提出了一种学习适应性混合椭圆遮蔽(LAHEC)框架,包含两种新颖的机制:EllipCloak,一种由 POI 聚类方向和人口密度引导的位置和轨迹匿名化的椭圆遮蔽方法,以及 FanEllipCloak,一种扇形模式椭圆方法,将保护扩展到移动模式。与传统圆形或环形遮蔽不同,该框架引入了与用户选择的 POI 和人口密度聚类对齐的自适应遮蔽区域,从而优化隐私与效用之间的权衡,同时,其聚焦的 POI 定向扫描策略通过显著减少总查询范围面积来抵消增加的复杂性。核心在于,该框架通过基于两个条件模型(扩散模型和序列变分自编码器)构建的学习生成组件来生成虚假轨迹,这些模型产生逼真的诱饵,由保持椭圆形状的验证器接受或拒绝,从而在构造上保证 k-匿名性。实验结果表明,这一学习核心产生了密集且紧凑的虚假集,其虚假效用泄露比对抗生成的基线低了一个数量级以上,同时,扇形模式机制大幅降低了泄露用户移动模式的概率,并随着扇形变宽进一步降低识别概率。报告的提升由置信区间和显著性检验支持,并且一个轻量级的轨迹平滑步骤使变分变体达到对轨迹预测攻击的近理想抵抗力,证实了所提出的框架在保持高查询效用的同时保护了位置、轨迹和移动模式隐私。