(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210903287.3 (22)申请日 2022.07.29 (71)申请人 南京信息 工程大学 地址 224002 江苏省盐城市 盐南高新区新 河街道文港南路10 5号 (72)发明人 马廷淮　邓茜　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06F 21/62(2013.01) G06F 17/18(2006.01) G06F 17/16(2006.01) (54)发明名称 一种基于差分隐私的车辆轨迹数据保护方 法、 系统、 计算机设备和存 储介质 (57)摘要 本发明公开了一种基于差分隐私的车辆轨 迹数据保护方法、 系统、 计算机设备和存储介质， 所述方法包括： 对轨迹数据进行网格划分； 获取 轨迹数据的噪声分布和起讫点分布； 对各个分布 进行采样获得采样位置点； 判断采样位置点的合 理性， 合理的采样位置点的组合得到完整合成轨 迹； 根据完整合成轨迹， 将合成轨迹的起讫点加 上拉普拉斯噪声进行扰动， 得到满足差分隐私保 护的轨迹 数据。 本发明通过最大移动距离和最大 转折角度， 将采样位置控制在合理范围内， 保持 了原数据的特性， 同时通过对特征分布、 起始点 以及转移概率加噪， 能够保证实现轨迹数据的差 分隐私保护， 使对手无法通过背景知识进行攻 击。 该方法不仅保证了数据效用性， 也保护了数 据隐私。 权利要求书3页 说明书8页 附图1页 CN 115221557 A 2022.10.21 CN 115221557 A 1.一种基于 差分隐私的车辆 轨迹数据保护方法， 其特 征在于， 包括： 获取车辆原始轨迹数据， 所述车辆原始轨迹数据包括多个车辆轨迹的轨迹位置点、 轨 迹相邻位置点间的移动距离和转 折角度； 根据原始车辆轨迹数据， 对车辆 轨迹所在的地理区域均匀 划分， 得到均匀网格； 根据原始车辆轨迹数据、 均匀网络和第一拉普拉斯噪声， 计算最大移动距离噪声分布、 最大转折角度噪声分布和起讫点分布； 根据最大移动距离噪声分布、 最大转折角度噪声分布、 起讫点分布和一阶Markov模型， 得到合成轨 迹的起讫点、 最大移动距离、 最大转 折角度和采样位置点； 根据合成轨迹的起讫点、 最大移动距离和最大转折角度， 判断采样位置点的合理性， 得 到完整的合成轨 迹； 根据完整的合成轨迹， 判断完整的合成轨迹的起讫点的合理性， 得到差分隐私保护的 合成轨迹。 2.根据权利要求1所述的基于差分隐私的车辆轨迹数据保护方法， 其特征在于， 所述根 据原始车辆轨迹数据， 对车辆 轨迹所在的地理区域均匀 划分， 得到均匀网格； 包括： 根据原始车辆轨迹数据， 移除移动距离为0的位置点； 设置分布最多的最小移动距离为单位网格长度， 以此将车辆轨迹的地理区域划分为m* n个均匀网格， 其中m和n是地理区域 边的总长度与单位网格长度的比值。 3.根据权利要求1所述的基于差分隐私的车辆轨迹数据保护方法， 其特征在于， 所述根 据原始车辆轨迹数据、 均匀网络和第一拉普拉斯噪声， 计算最大移动距离噪声分布、 最大转 折角度噪声分布和起讫点分布； 包括： 根据均匀网格， 将原 始车辆轨迹数据中的轨 迹位置点映射到所在网格的质心位置； 根据原始车辆轨迹数据， 获得最大移动距离分布和最大转折角度分布以及起讫点分 布； 将最大移动距离分布及最大转折角度分布加上拉普拉斯噪声， 得到最大移动距离噪声 分布以及最大转 折角度噪声分布。 4.根据权利要求1所述的基于差分隐私的车辆轨迹数据保护方法， 其特征在于， 所述根 据最大移动距离噪声分布、 最大转折角度噪声分布、 起讫点分布和一阶Mar kov模型， 得到合 成轨迹的起讫点、 最大移动距离、 最大转 折角度和采样位置点； 具体包括： 分别对最大移动距离噪声分布、 最大转折角度噪声分布和起讫点分布进行随机采样， 得到合成轨 迹的起讫点、 最大移动距离和最大转 折角度； 将合成轨迹起点输入到一阶Markov模型中， 计算得到合成轨迹的第一采样位置点， 所 述合成轨迹的第一采样位置点 为合成轨迹起点后的第一个位置点； 将合成轨 迹的第一采样位置点作为输入， 重复上一 步骤， 得到合成轨 迹的采样位置点。 5.根据权利要求1或4所述的基于差分隐私的车辆轨迹数据保护方法， 其特征在于， 所 述一阶Mark ov模型计算 合成轨迹的采样位置点的方法包括： 计算均分网格之间的转移概 率： 权　利　要　求　书 1/3 页 2 CN 115221557 A 2式中， Ci为原始轨迹数据中轨迹位置点所在网格， Cj为包括Ci在内的所有网格， Φ(Ci→ Cj)为查询所有原始车辆轨迹中下一时间戳的Ci在网格Cj的轨迹计数， |T|为原始车辆轨迹 的数量； 通过转移概率建立转移概率矩阵， 转移概率矩阵加上同阶拉普拉斯噪声矩阵， 得到噪 声转移概 率矩阵； 通过噪声转移概率矩阵计算先验概率， 并根据先验概率得到合成轨迹每一个采样位置 点， 先验概 率的计算公式为： 式中， t为时间戳； 为时间戳t的先验概率； 为前一个时间戳t ‑1的后验概率； M* 为噪声状态转移 矩阵； 其中对于每 个网格li， 其后验概 率可计算 为： 式中， 为在时间戳t时处于网格位置点li的后验概率， 为真实位置点， li、 lj为网 格位置点， zt为扰动位置点， 为在时间戳t时处于网格位置点 li的先验概 率； 合成轨迹的起点下一 时间戳为第 一个采样位置点， 通过合成轨迹起点的后验概率计算 第一个采样位置点的先验概率， 得到第一个采样位置点， 迭代计算， 得到合 成轨迹的采样位 置点。 6.根据权利要求5所述的基于差分隐私的车辆轨迹数据保护方法， 其特征在于， 所述根 据合成轨迹的最大移动距离和最大转折角度， 判断合成轨迹采样位置点的合理性， 得到完 整的合成轨 迹； 具体包括： 如果合成轨迹中每一个采样位置点与前一个采样位置点之间的移动距离或转折角度 超过合成轨迹的最大移动距离或最大转折角度， 则该采样位置点为不合理的位置点， 则更 新合成轨迹的最大移动距离和最大转折角度， 反之则为合理， 不进 行更新， 得到所有合理的 合成轨迹采样位置点； 所述第一个采样位置点的前一个采样位置点 为合成轨迹的起点； 根据所有合理的合成轨迹采样位置点， 设置次数阈值 计算每一个采样位置点与终点 的距离和转折角度， 如果连续 次计算一个采样位置点与终点的距离和转折角度均小于最 后更新的合成轨迹的最大移动距离和最大转折角度， 则直接设置改采样位置点的下一采样 位置点为合成轨迹的终点， 得到 完整的合成轨 迹。 7.根据权利要求6所述的基于差分隐私的车辆轨迹数据保护方法， 其特征在于， 所述根 据完整的合成轨迹， 判断完整的合成轨迹的起讫点的合理性， 得到差分隐私保护的合成轨 迹； 包括： 将完整合成轨 迹的起讫点加上第二拉普拉斯噪声 进行扰动， 得到扰动 后的起讫点； 判断扰动后的起讫点的合理性， 若扰动后的起讫点与扰动前的起讫点的移动距离不超 过所述更新合成轨迹的最大移动距离， 且扰动后的起点与第一个采样位置点以及扰动后的 终点与前一个采样位置点满足不超过所述更新合成轨迹的最大移动距离和最大转折角度， 则扰动后的起讫点为合理； 若不合理， 则再次更新合成轨迹的最大移动距离和最大转折角权　利　要　求　书 2/3 页 3 CN 115221557 A 3