白雨靓，李晓会，陈潮阳，王亚君

(辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001)

1 概 述

定位技术的逐步发展和智能设备的全球普及使大量移动对象的轨迹信息被持有和分享，形成了庞大的轨迹数据集，这其中所包含的信息，推动了轨迹数据分析和挖掘技术的进步，使其成为大数据安全领域的一个热点课题[1-4].研究人员通过对轨迹数据的分析和探索，从中获取大量有价值的信息用于移动对象的隐私保护研究.在数据发布过程中，不恰当的数据处理很可能会造成用户的隐私泄露，攻击者可以根据已掌握的背景知识对移动对象的个人信息进行推断，从而获得被攻击者的经济状况、家庭住址等隐私信息[5-7].但如果对轨迹数据集处理过甚，也会导致对象信息的大量损失，降低发布数据的可用性和完整性，造成信息资源的浪费[8，9].所以降低移动对象隐私泄露风险的同时提高待处理轨迹数据的可用性是一个值得深入研究的课题.

现阶段，国内外在轨迹数据隐私保护领域已取得了一些研究成果.例如，Mohammed[10]等利用一种匿名算法来实现了LKC隐私模型使其适用于RFID数据，首先识别出轨迹数据集中的最小违反序列集，然后通过贪心法对违反序列进行全局抑制，达到尽可能减少最大频繁序列损失的目的，但全局抑制的方法需要将大量数据删除，没有有效提高数据可用性.Chen[11]等人通过(K，C)L隐私模型及算法提出了局部抑制的概念.该算法首先确定轨迹数据集中不满足(K，C)L隐私模型要求的所有序列；……