基于相对熵和K-means的形状相似差分隐私轨迹保护机制.docx

基于相对熵和K-means的形状相似差分隐私轨迹保护机制.docx

  1. 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
  2. 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  3. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1 引言 随着智能手机和 5G 网络的普及,移动设备可以运行更复杂的程序,并以更快的速度、更低的时延传输信息,这为物联网的发展提供了坚实的基础。物联网中基于位置的服务(LBS, location-based service)[1,2]从仅应用于导航类软件,到逐渐应用于社交、游戏等产品,目前已应用于越来越多的领域。由于 LBS 要求用户将位置数据提供给相应的服务提供商或第三方数据提供者,因此如何保护用户的位置隐私成为LBS的主要关注点[3]。数据在向服务商提交的过程中涉及网络传输、数据采集等多重隐私泄露风险,用户的隐私信息可能会随着轨迹数据的发布而被泄露。轨迹隐私信息一旦暴露,用户将遭受的最大威

文档评论(0)

罗伯特之技术屋 + 关注
实名认证
内容提供者

畅游技术蓝海,八大领域技术领先解读!

1亿VIP精品文档

相关文档