张兴兰，杨文金

(1.北京工业大学信息学部，北京 100124； 2.可信计算北京市重点实验室，北京 100124)

随着全球定位系统(global positioning system，GPS)的发展，基于位置服务[1](location based services，LBS)的应用越来越广泛，人们通过这些应用可以发现最近的酒店、超市和医院等，它们正在改变着信息时代人们的生活[2-3]. LBS在服务过程中会产生大量包含用户的会见、位置信息的数据. 人们可以通过对这些数据进行挖掘、分析得到许多有用信息以帮助决策，比如：通过分析某区域内用户的轨迹信息可以发现用户感兴趣的位置，在这些位置建立商业圈，能帮助投资者实现盈利的最大化. 然而，对这些轨迹数据进行分析，也可以推测出用户的生活轨迹、健康状况等隐私信息，如果这些个人隐私信息被泄露会对用户造成极大的威胁[4-8]. 因此，对用户轨迹隐私信息保护技术的研究，已经成为信息安全领域研究的重要内容之一.

Clarke等[9]提出一种能够保护用户的位置隐私和轨迹隐私的方法. 该方法选择了多个特定的合作伙伴来保护用户的位置隐私，并且通过构建在间隔时间内与用户的轨迹类似的多个轨迹来保护用户的轨迹隐私. Abul等[10]提出NWA(never walk alone)方法，该方法基于共定位的(k，δ)-匿名模型，将轨迹集合划分为互不相交的子集，然后通过聚类形成轨迹k-匿名集合. 吴英杰等[11]提出了一种基于聚类杂交的k-匿名隐私保护技术，该方法是针对轨迹等价类特征所提出的，同时考虑了时间和空间对轨迹相似性的影响. Shen等[12]提出了一种以用户……