PP-TDD：面向安全车辆语义轨迹数据传播的隐私保护

《Knowledge-Based Systems》：PP-TDD: Privacy protection towards secure vehicle semantic trajectory data dissemination

　　

范娜|范文军|李星|刘佳|刘志全

摘要

随着车载智能终端和定位技术的进步，车辆运行过程中产生的大量时空轨迹数据已成为智能交通系统的关键资产，这些数据支持交通流量预测、路线规划和导航服务。然而，轨迹数据包含敏感信息，如位置隐私、个人习惯和移动模式。如果在数据挖掘和分析过程中缺乏有效的隐私保护，这些轨迹容易受到攻击，导致隐私泄露并限制数据的实用性。本文提出了一种用于发布车辆语义轨迹数据的隐私保护机制。该机制采用基于滑动窗口的多阈值轨迹分割方法来分析时空特征，以识别适合进行语义标注的轨迹段。随后，我们引入了一种语义轨迹合成模型，该模型结合了生成对抗网络（GAN）和长短期记忆网络（LSTM），以学习真实轨迹的分布特征和时间依赖性，从而确保合成轨迹的数据实用性和时间连续性。此外，我们还设计了一种新的损失函数STrajLoss，用于评估合成轨迹与真实轨迹在空间、语义和时间维度上的相似性，从而优化模型性能。实验结果表明，与现有方法相比，所提出的方法在确保隐私保护的同时，能够有效维持数据的实用性。