本发明涉及地理数据计算、隐私保护的，尤其涉及一种基于地理不可区分性的实时轨迹数据发布方法。
背景技术：
1、发布实时轨迹在疾病应急控制、路况更新等多种应用领域中具有重要的意义，然而，用户对隐私泄露的顾虑限制了其分享和发布位置数据的意愿，如果允许用户在客户端扰动数据后再发布，可以缓解其对服务器不可信的担忧。
2、地理不可区分性是标准差分隐私的扩展，它将标准差分隐私中攻击者难以区分特定元组是否在数据集中，转换为在一定区域内攻击者难以根据发布位置推断出真实位置。通过在客户端对真实位置添加平面拉普拉斯噪声，使得在以真实位置为圆心，半径为r的圆内，真实位置与其它位置地理不可区分。然而，该模型仅适用于单点位置数据，轨迹位置间的关联性以及连续查询将降低该模型的隐私保护强度。
3、此外，现有的实时轨迹发布方法大多在单一的隐私水平上进行数据可用性的提升，忽略了用户对于服务质量以及隐私保护的需求存在差异性，本发明提出一种基于地理不可区分性的实时轨迹发布方法，在轨迹数据采集与发布的过程中支持多层次隐私水平，允许用户自主控制隐私保护程度的同时保证服务质量。
4、对本技术技术方案涉及的相关概念进行说明和解释：
5、定义1.ε-差分隐私：给定数据集d和d′，两个数据具有相同的数据结构且二者之间仅相差一条记录，即|d′δd|≤1。给定一个算法a，range(a)为a的取值范围，若算法a在数据集d和d′的输出o(o∈range(a))满足不等式pr[a(d)＝o]≤eε×pr[a(d′)＝o]，则a满足ε-差分隐私。
6、其中，pr[·]表示用户隐私泄露的概率，ε代表隐私预算，表示隐私保护的程度，ε越小，隐私保护程度越高。
7、定义2.全局敏感度：设有查询函数f：d→rd，对于任意临近数据集d和d′，函数f的全局敏感度为其中，r是数据集d映射的实数空间，d代表函数f的查询维度，p是用来度量δf的范数距离，一般取p＝1。
8、定义3.拉普拉斯机制：给定数据集d，设有查询函数f：d→rd，其全局敏感度为δf，对于随机算法a满足差分隐私，则算法输出a(d)＝f(d)+lap(δf/ε)。其中，lap(δf/ε)为独立的拉普拉斯分布，添加的噪声量与δf成正比，与隐私预算ε成反比，ε越小，δf越大，添加的噪声越大，隐私保护程度越高，反之亦然。
9、性质1.序列组合性：给定数据集d和n个满足εi(1≤i≤n)-差分隐私保护的随机算法ai(1≤i≤n)，这些算法构成的组合算法a(a1(d)，d2(d)，...，an(d))满足-差分隐私保护。
10、性质2.并行组合性：给定的数据集d被划分成为n个不相交的子集，d＝{d1，d2，...，dn}，设ai为一组满足εi-差分隐私保护的随机算法，ai分别对di实施隐私保护，则这些算法构成的组合算法a(a1(d)，d2(d)，...，an(d))对d满足max(εi)-差分隐私保护。
11、定义4.地理不可区分性
12、设x为兴趣点，即用户可能的真实位置，z为扰动后的发布位置，对所有的x，x′∈x，z∈z，存在以下不等式，则称k满足ε-地理不可区分性。
13、k(x)(z)≤eεd(x，x′)k(x′)(z)
14、其中，k(x)(z)代表扰动机制k在输入为x时输出为z的概率，d(x，x′)为x和x′之间的欧式距离，代表了x和x′之间的不可区分性水平，d(x，x′)越小说明真实位置之间的不可区分性水平越高，即隐私度越强，d(x，x′)越大说明允许攻击者可以区分这些真实位置的程度越高，隐私度越弱。
15、定义5.平面拉普拉斯分布
16、给定参数以及真实位置点对于任意的平面拉普拉斯噪声分布的概率密度函数为：
17、
18、其中，是标准化因子，d(x0，x)表示x0与x之间的欧式距离。
技术实现思路
1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例，在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
2、鉴于上述现有存在的问题，提出了本发明。
3、为解决上述技术问题，本发明提供如下技术方案：用户根据自己的隐私偏好选择相应的保护级别，设置相应的隐私预算值，并对地理区域进行相应粒度的网格划分；
4、预测机制根据上一时刻发布的位置索引以及采集的行驶方向和速度，预测当前时刻下，所述用户所在的单元格；
5、检测机制监测当前时刻的位置信息，并通过计算真实位置与预测位置之间的距离，判断是否发布预测位置：
6、当所述预测位置与所述真实位置间的距离＞设定的阈值时，则启用扰动机制，对所述真实位置添加平面拉普拉斯噪声扰动，并发布所述扰动位置信息；
7、当所述预测位置与所述真实位置间的距离≤设定的阈值时，返回预测成功，直接发布预测位置信息。
8、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，所述用户根据自己的隐私偏好选择相应的保护级别，所述保护级别分为三个级别：低、中、高，根据所述用户所选的隐私级别设置隐私预算ε值，并对地理区域进行相应粒度的网格划分，其中：
9、隐私预算ε值越小，隐私保护程度越强，反之，ε值越大，隐私保护强度越弱；
10、网格粒度越小，获得的服务越精准，但隐私保护强度越弱，反之，网格粒度越大，隐私保护强度越强，但服务的精准度有所下降。
11、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，预测当前时刻下，所述用户所在的单元格，包括：
12、定义用户从单元格驶出的方向为8种，即每个单元格的出度为8，分别用0～7来表示，0记为正北，通过顺时针方向标记，1为西北，2为正西，以此类推；
13、通过计算真实方向θi与预设方向dirj的夹角，将具有最小夹角的预设方向标记为行驶方向；
14、通过上一时刻ti-1标记的行驶方向和速度，预测当前所在的单元格。
15、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，还包括：
16、根据行驶速度计算从上一时刻ti-1到当前时刻ti的行驶距离，得到disi＝|vi-1|×(ti-ti-1)；
17、当θi-1mod2＝0时，l＝round(disi/λ)，对disi/λ的值四舍五入后沿θi-1方向移动l个单元格；
18、当θi-1mod2＝1时，即对的值四舍五入后沿θi-1方向移动l个单元格；
19、其中，λ为单元格的边长，θi为真实方向，dirj为预设方向。
20、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，真实位置loci与预测位置之间的距离用欧式距离表示，计算公式为：
21、
22、其中，(xi，yi)为真实位置所在单元格中心点的坐标值，为预测位置所在单元格中心点的坐标值。
23、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，还包括：
24、当t1时刻的位置无法预测时，则跳过所述预测机制和所述监测机制，直接将真实位置数据进行扰动处理后发布；
25、当连续两个时间戳上的真实行驶速度均小于10km/h时，则跳过监测机制，发布上一时刻的发布位置loci-1。
26、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，通过采用地理不可区分性模型对预测失败的位置扰动后发布。
27、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，将真实位置loci的笛卡尔坐标转化为极坐标，对真实位置loci添加平面拉普拉斯噪声，平面拉普拉斯噪声的概率密度函数表示为：
28、
29、其中，为[0，2π)之间的随机数，是直线x loci与水平轴之间的夹角，随机变量r与是相互独立的。
30、作为本发明所述的基于地理不可区分性的实时轨迹数据发布方法的一种优选方案，r为x与真实位置loci之间的欧式距离，其数学表达公式为：
31、
32、其中，ε为隐私预算，p为[0，1)的随机数，w-1表示朗伯w(x)函数在(-∞，-1)的分支。
33、本发明的有益效果：本发明在轨迹数据采集与发布的过程中支持多层次隐私水平，允许用户自主控制隐私保护程度，同时，对用户的运动方向和位置进行泛化、预测，并通过预测机制、检测机制和扰动机制协同合作，有效地减少隐私预算的消耗，在保证隐私强度不变的前提下，增加发布数据的可用性。
1.一种基于地理不可区分性的实时轨迹数据发布方法，其特征在于，包括：
2.根据权利要求1所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，所述用户根据自己的隐私偏好选择相应的保护级别，所述保护级别分为三个级别：低、中、高，根据所述用户所选的隐私级别设置隐私预算ε值，并对地理区域进行相应粒度的网格划分，其中：
3.根据权利要求1所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，预测当前时刻下，所述用户所在的单元格，包括：
4.根据权利要求3所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，还包括：
5.根据权利要求1所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，真实位置loci与预测位置之间的距离用欧式距离表示，计算公式为：
6.根据权利要求1所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，还包括：
7.根据权利要求6所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，通过采用地理不可区分性模型对预测失败的位置扰动后发布。
8.根据权利要求7所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，将真实位置loci的笛卡尔坐标转化为极坐标，对真实位置loci添加平面拉普拉斯噪声，平面拉普拉斯噪声的概率密度函数表示为：
9.根据权利要求8所述的基于地理不可区分性的实时轨迹数据发布方法，其特征在于，r为x与真实位置loci之间的欧式距离，其数学表达公式为：
