李晓会，陈潮阳，白雨靓，张 兴

(辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001)

1 引 言

近年来，随着信息爆炸、大数据技术和移动应用技术的普及，基于位置的个性化推荐成了时代的新宠，推荐系统的作用越来越明显.基于位置服务(Loaction-Based Service，LBS)已经得到了普遍的应用，在给人们带来极大方便的同时，用户的个人隐私很大可能会泄露，其基本形式是用户的身份标志号、当前时刻、当前位置等数据被发送到LBS服务器，服务器将会返回兴趣点的位置和移动路径等信息给用户.攻击者会利用这些个人敏感信息攻击查询用户，使得用户的个人隐私遭受泄露.因此，如何既能保证推荐质量又能提高用户隐私保护已经成为当前研究的热点之一.

现如今越来越多的学者重视隐私保护的问题，在过去的研究中，提出的大多数研究方案都是在位置服务中进行混淆，多数采用差分隐私[1，2]、k-匿名[3]、扰动[4]、泛化[5]等方法，虽然能够产生一定的保护作用，但是存在很多需要解决的问题.例如Wang等人[6]提出了位置 K-匿名模型，通过K-匿名算法，生成(k-1)个匿名用户用来混淆查询用户，对查询用户的当前位置进行保护，但K-匿名本身存在致命的缺点，不能有效评估攻击者的背景知识，因此设计出一个全面而有效的轨迹隐私保护模型十分困难.但是差分隐私具有背景无关性，所以现今大部分学者利用差分隐私来解决隐私保护的问题，当然差分隐私也不是万能的，其中最明显的缺点……