霍 峥，崔洪雷，贺 萍

(1.河北经贸大学 信息技术学院，石家庄 050061； 2.浙江大学宁波理工学院 商学院，浙江 宁波 315100)(*通信作者电子邮箱huozheng@heuet.edu.cn)

0 引言

近年来，随着智能移动手机和定位技术的发展，越来越多的位置数据被收集、存储、挖掘和分析。轨迹数据挖掘[1]和语义轨迹抽取[2]已经成为数据挖掘领域一个重要的研究方向。许多学者意识到对位置数据的分析和挖掘会导致移动对象的个人隐私泄露。近年来，学者们对轨迹数据的隐私保护技术进行了研究，这些研究主要可分为扰动法[3]、抑制法[4]和k-匿名方法[5-8]。近年来，出现了以差分隐私技术为基础的轨迹数据发布方法[9]，它能够保证无条件隐私，即对指定的统计信息进行分析，无法得到任何一个个体的信息。然而，差分隐私的主要问题在于其灵活性不足，仅能在有限的统计信息上进行隐私保护。而传统的k-匿名技术通过将k条轨迹上相应的采样位置匿名在同一区域中达到隐私保护的效果，实现简单，且应用环境灵活。在数据隐私保护技术中，隐私保护度和数据可用性是一对矛盾。隐私保护度越高，必然会造成数据可用性的下降；如果需要较高的数据可用性，必然以牺牲隐私保护度来换取。文献[7]提出了一种利用轨迹数据不确定性进行轨迹聚类的隐私保护算法，将移动对象轨迹上的各个采样位置都进行匿名处理，隐私处理后的数据可用性较低。文献[5]第一次在自由空间中提出：并不是轨迹上每一个采样位置都有必要进行隐私保护。……