地理信息系統(tǒng)與無線電通訊網(wǎng)絡(luò)的緊密結(jié)合促進(jìn)了基于位置服務(wù)應(yīng)用的發(fā)展。從這些應(yīng)用中,可以獲取用戶的移動(dòng)性軌跡數(shù)據(jù),軌跡數(shù)據(jù)在不同行業(yè)之間的流動(dòng)可以帶來巨大的經(jīng)濟(jì)與社會利益。然而,當(dāng)這些移動(dòng)性軌跡數(shù)據(jù)與具有敏感語義的外源數(shù)據(jù)結(jié)合時(shí),就會具備相應(yīng)的隱私敏感屬性,通過分析這些具有隱私敏感屬性的知識,攻擊者能夠進(jìn)一步獲取用戶的個(gè)人隱私信息。在保證移動(dòng)性知識可用性的同時(shí),研究應(yīng)對隱私攻擊的防護(hù)方法,已成為移動(dòng)性數(shù)據(jù)研究的重要內(nèi)容。在設(shè)計(jì)防護(hù)方法的過程中,最為關(guān)鍵的一點(diǎn)就是找出具有隱私敏感屬性的空間區(qū)域。傳統(tǒng)的判斷方法包括空間數(shù)據(jù)屬性疊加和基于遙感影像的特征分類法。然而,具有敏感語義的地圖數(shù)據(jù)一般無法直接獲取,基于遙感影像的分類方法則易受到影像分辨率的影響。為此,本文提出一種通過分析移動(dòng)性軌跡數(shù)自身特征,發(fā)現(xiàn)隱私敏感空間區(qū)域的方法,也即通過統(tǒng)計(jì)和分析敏感空間區(qū)域的時(shí)空和網(wǎng)絡(luò)特征的監(jiān)督分類方法。具體步驟主要包括:（1）時(shí)空特征獲取,將用戶移動(dòng)性數(shù)據(jù)與空間節(jié)點(diǎn)匹配運(yùn)算得到時(shí)空序列模式包含的空間節(jié)點(diǎn)的時(shí)空特征;（2）網(wǎng)絡(luò)特征獲取,首先基于時(shí)空序列模式構(gòu)建以空間節(jié)點(diǎn)為單元的移動(dòng)性網(wǎng)絡(luò),然后通過復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特... 

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究綜述
        1.2.1 空間數(shù)據(jù)屬性疊加
        1.2.2 基于遙感影像的特征提取和空間區(qū)域識別
        1.2.3 基于移動(dòng)性數(shù)據(jù)時(shí)空特征的分類方法
    1.3 研究內(nèi)容與創(chuàng)新
        1.3.1 研究內(nèi)容
        1.3.2 研究思路
        1.3.3 創(chuàng)新點(diǎn)
    1.4 論文的組織結(jié)構(gòu)
第二章 移動(dòng)性數(shù)據(jù)的時(shí)空及網(wǎng)絡(luò)特征
    2.1 移動(dòng)性數(shù)據(jù)時(shí)空特征
        2.1.1 運(yùn)動(dòng)模式
        2.1.2 用戶運(yùn)動(dòng)的相關(guān)參數(shù)
        2.1.3 停留模式
    2.2 復(fù)雜移動(dòng)性網(wǎng)絡(luò)及其特性
        2.2.1 復(fù)雜移動(dòng)性網(wǎng)絡(luò)的度
        2.2.2 平均路徑長度與聚類參數(shù)
        2.2.3 節(jié)點(diǎn)重要性
    2.3 本章小節(jié)
第三章 隱私敏感空間區(qū)域的分類模型
    3.1 節(jié)點(diǎn)隱私敏感屬性的獲取
    3.2 時(shí)空特征值的獲取
    3.3 網(wǎng)絡(luò)特征值的獲取
    3.4 基于時(shí)空及網(wǎng)絡(luò)特征的分類模型
    3.5 本章小結(jié)
第四章 基于Spark大數(shù)據(jù)機(jī)器學(xué)習(xí)平臺的方法實(shí)現(xiàn)
    4.1 機(jī)器學(xué)習(xí)平臺的基本概念
        4.1.1 基本概念
        4.1.2 機(jī)器學(xué)習(xí)算法
        4.1.3 模型評估方法
        4.1.4 機(jī)器學(xué)習(xí)主要步驟
        4.1.5 Spark機(jī)器學(xué)習(xí)類庫
    4.2 基于Spark大數(shù)據(jù)機(jī)器學(xué)習(xí)平臺的分類方法實(shí)現(xiàn)
        4.2.1 網(wǎng)格及網(wǎng)格特征的提取
        4.2.2 利用MLlib決策樹識別空間網(wǎng)格敏感屬性
    4.3 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)集群環(huán)境與配置
    5.2 實(shí)驗(yàn)數(shù)據(jù)
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)的生成方法
        5.2.2 生成實(shí)驗(yàn)數(shù)據(jù)的基本信息
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)比值對分類結(jié)果的影響分析
        5.3.2 考慮單特征值與綜合特征值的分類性能比較分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號：3677031