匿名集序列规则与转移概率矩阵的空间预测和实验
随着位置服务(Location Based Service,LBS)的广泛应用,隐私保护成为LBS进一步深入发展亟待解决的问题,时空K-匿名成为一个主流方向.LBS应用服务器存储用户执行连续查询生成的历史匿名数据集,分析大时空尺度历史的匿名数据集,空间预测可以实现LBS应用的个性化服务.本文提出了一种融合概率统计与数据挖掘2种典型技术——马尔科夫链与序列规则,对匿名数据集中包含的特定空间区域进行预测的方法.方法包括4个过程:(1)分析序列规则、马尔科夫过程进行预测的特点;(2)以匿名数据集序列规则的均一化置信度为初始转移概率,构建n步转移概率矩阵;(3)设计以n步转移概率矩阵进行概略空间预测的方法,以及改进的指定精确路径的空间预测方法;(4)实验验证方法的性能.结果证明,该方法具有模型结构建立速度快、精确空间预测概率与真实概率的近似度可灵活调节等优点,具有可用性.
时空K-匿名、序列规则、马尔科夫链、转移概率矩阵、空间预测
17
2010年度江苏政府留学奖学金项目;国家自然科学基金项目“基于大时空范围LBS匿名集的推理攻击及隐私保护”41201465;江苏省自然科学基金项目“对抗基于时空关联规则推理攻击的LBS隐私保护研究”BK2012439.
2016-03-21（万方平台首次上网日期，不代表论文的发表时间）
391-400
