發(fā)布時間：2022-07-27 17:34

　　在日新月異的大數(shù)據(jù)環(huán)境下,人機交互的情況變得越亦頻繁,各種社交、定位、導航、出行的App層出不窮,GPS、車聯(lián)網(wǎng)與各種傳感器的廣泛使用也標志著人們進入了移動互聯(lián)大時代�；谖恢玫姆⻊眨↙ocation Based Services,LBS）己經(jīng)成為各行各業(yè)關(guān)注的重點與研究方向,成為了人們生活不可或缺的一部分。人們利用這些軟件與設(shè)備出行,感受到科技發(fā)展帶來的便利的時候,往往也忽視了自身個人隱私的安全。用戶在使用LBS相關(guān)的服務時,少不了向服務器上傳、分享、發(fā)布自己的位置信息,而如何通過有效的手段來規(guī)避隱私泄露帶來的風險,也己成為大數(shù)據(jù)環(huán)境下個人隱私與位置服務的重要研究方向�；诖朔N情況,本文提出了一種利用雙層隱藏狀態(tài)的隱馬爾可夫模型對軌跡進行預測并保護的方法,并完成以下工作:（1）改進了基于雙層隱藏狀態(tài)隱馬爾可夫模型的軌跡預測算法DHMTP,使模型能對未來鄰近敏感位置進行預測,實現(xiàn)對軌跡和未來鄰近敏感位置的預測算法DHS-HMP。（2）利用第一步中預測的近鄰敏感位置建立基于假軌跡的k-匿名軌跡隱私保護算法HTAP,算法通過被預測軌跡的敏感點的先驗-后驗概率差篩選出需要匿名化的具體敏感點,... 

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究問題與意義
    1.2 研究現(xiàn)狀與分析
        1.2.1 隱馬爾可夫模型與軌跡預測研究狀況
        1.2.2 軌跡隱私保護研究狀況
    1.3 本文工作與組織結(jié)構(gòu)
第二章 軌跡隱私威脅與保護
    2.1 基于定位服務隱私威脅
    2.2 軌跡隱私攻擊
        2.2.1 軌跡隱私的攻擊模型
        2.2.2 基于背景知識的鏈式攻擊
    2.3 軌跡數(shù)據(jù)隱私保護方法
        2.3.1 基于抑制的軌跡隱私保護方法
        2.3.2 基于虛假數(shù)據(jù)的軌跡隱私保護方法
        2.3.3 基于k-匿名的軌跡隱私保護方法
    2.4 本章小結(jié)
第三章 基于隱馬爾可夫模型的移動軌跡預測
    3.1 馬爾可夫模型相關(guān)理論
        3.1.1 馬爾可夫鏈
        3.1.2 狀態(tài)轉(zhuǎn)移概率與轉(zhuǎn)移概率矩陣
        3.1.3 隱馬爾可夫模型
        3.1.4 Viterbi算法
        3.1.5 馬爾可夫決策過程
    3.2 軌跡預測的隱馬爾可夫模型和數(shù)據(jù)預處理
        3.2.1 移動軌跡預測的隱馬爾可夫模型
        3.2.2 軌跡數(shù)據(jù)處理
    3.3 隱藏狀態(tài)挖掘與預測模型參數(shù)確定
        3.3.1 第一層隱藏狀態(tài)挖掘與參數(shù)確定
        3.3.2 第二層隱藏狀態(tài)挖掘與參數(shù)確定
    3.4 基于隱馬爾可夫模型的軌跡預測算法
    3.5 實驗
        3.5.1 實驗環(huán)境與數(shù)據(jù)
        3.5.2 實驗評估方法
        3.5.3 實驗結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于隱馬爾可夫模型的軌跡隱私保護算法
    4.1 問題相關(guān)定義
        4.1.1 隱私定義
        4.1.2 軌跡隱私保護模型
    4.2 基于隱馬爾可夫模型的軌跡隱私保護算法
        4.2.1 虛假坐標點的選取
        4.2.2 虛假軌跡的構(gòu)建
        4.2.3 算法實現(xiàn)
    4.3 實驗
        4.3.1 實驗度量標準
        4.3.2 實驗環(huán)境與數(shù)據(jù)
        4.3.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來展望
參考文獻
攻讀碩士期間的科研成果
致謝



本文編號：3665883