王 辉，廉芳芳，申自浩

(河南理工大学 计算机科学与技术学院，河南 焦作 454002)

1 引 言

近年来，基于位置的服务(Location-based Service，LBS)给人们带来了极大的便利，但是随着互联网、移动终端和定位技术的不断发展，通过社交网络平台进行交流的用户迅速增长，导致社交网络积累用户行为的数据库不断扩大，其中包括了用户的敏感信息，比如家庭住址、身份证号等，这些敏感信息一旦被不法分子获取，那么会对用户的利益构成极大的威胁[1].例如，2018年5月，美国软件公司AgentRun意外暴露了成千上万保单持有人的个人敏感信息，而究其原因是因为一个未加密的Amazon S3储存桶，该储存桶包含了大量的缓存数据，涉及数千名不同保险公司的个人敏感信息，包括类似Cigna和SafeCom-Insurance这样的大型保险公司的客户，遭泄露的信息包括保险单文件、健康和医疗信息、各种证件的扫描件以及一些财务数据，而一些文件除了显示收入范围、种族和婚姻情况以外，甚至还附有空白的银行支票，使得用户的财产安全遭到了严重威胁.因此，如何使用户在确保敏感信息不被泄露的同时，正常使用社交网络平台是当前亟待解决的问题.

传统的位置隐私保护技术大多基于k-匿名[2-5]、l-多样性[6]和t-紧密型[7]，但其忽略了攻击者对已知背景知识的掌握以及人口分布密度等的影响，从而不能充分保护LBS隐私安全.针对此问题，本文提出一种基于差分隐私[8-10]的位置发布算法，该算法使得数据集的计算结果对元素的变化不敏……