1 绪论

1.1 LBS的基本概念

1.2 LBS的隐私问题

1.3 LBS隐私保护方法

1.3.1 标识隐私保护

1.3.2 基于位置的重标识攻击

1.3.3 基于位置重标识攻击的防护

2 基于时空K-匿名的隐私保护

2.1 时空K-匿名的基本原理

2.2 时空K-匿名的系统架构

2.3 快照查询的时空K-匿名

2.4 连续查询的时空K-匿名

2.5 基于内容关联的隐私攻击与防护

2.5.1 同质性攻击

2.5.2 同质性攻击的防护

2.5.3 异质性攻击

2.6 基于空间关联的隐私攻击与防护

2.6.1 快照查询的攻击

2.6.2 快照查询攻击的防护

2.6.3 连续查询的攻击

2.6.4 连续查询攻击的防护

2.7 问题分析

3 匿名集时空关联规则的概率化挖掘

3.1 相关概念

3.1.1 时空关联模式

3.1.2 时空关联规则

3.2 基本定义

3.3 算法实现

3.4 实例分析

3.5 问题分析

4 基于匿名集序列规则转移概率矩阵的多步推理

4.1 马尔可夫链

4.2 数据归一化处理

4.3 n步转移概率矩阵

4.4 概略n步预测

4.5 精确n步预测

4.6 推理攻击

4.7 问题分析

5 动态感知敏感序列规则的在线匿名方法

5.1 对等防护策略的系统架构

5.2 离线挖掘、在线应用的动态防护模式

5.3 方法设计

5.4 算法设计

5.5 实例分析

6 实验结果与分析

6.1 实验数据的模拟

6.1.1 数据预处理

6.1.2 时空网格

6.1.3 序列匿名集

6.2 序列规则挖掘实验及结果分析

6.2.1 相同K值不同批次的序列规则

6.2.2 同一过程不同K值的序列规则

6.3 多步预测实验及结果分析

6.3.1 相同批次相同K值的预测准确率

6.3.2 相同K值不同批次的预测准确率

6.3.3 同一过程不同K值的预测准确率

6.4 动态感知匿名实验及结果分析

6.4.1 相同K值不同批次的增量匿名

6.4.2 同一过程不同K值的增量匿名

7 结论与展望

7.1 结论

7.2 展望

参考文献