典型文献
基于深度学习的位置大数据统计发布与隐私保护方法
文献摘要：
针对传统位置大数据统计划分发布结构不合理、划分发布方法效率低下的问题,提出一种基于深度学习的位置大数据统计划分结构预测方法和差分隐私发布方法,以提高位置大数据统计划分发布数据的可用性和执行效率.首先对二维空间进行细致划分和自底向上合并,从而构建合理的空间划分结构.然后将划分结构矩阵组织为三维时空序列,借助深度学习模型提取时空特征,实现对划分发布结构的预测.最后结合预测划分发布结构进行差分隐私预算分配和Laplace噪声添加,实现位置大数据统计划分发布信息的隐私保护.通过实际位置大数据集的实验,证明了所提方法在提高发布数据查询精度和运行效率方面的优势.
文献关键词：
数据发布隐私保护;位置隐私;隐私空间分解;差分隐私;深度学习
中图分类号：
作者姓名：
晏燕;丛一鸣;Adnan Mahmood;盛权政
作者机构：
兰州理工大学计算机与通信学院,甘肃兰州 730050;麦考瑞大学科学与工程学院,新南威尔士 2109
文献出处：
引用格式：
[1]晏燕;丛一鸣;Adnan Mahmood;盛权政-.基于深度学习的位置大数据统计发布与隐私保护方法)[J].通信学报,2022(01):203-216
A类：
隐私空间分解
B类：
位置大数据,大数据统计,计发,保护方法,传统位置,结构不合理,结构预测,差分隐私,可用性,执行效率,二维空间,底向上,空间划分,时空序列,深度学习模型,时空特征,隐私预算分配,Laplace,数据查询,数据发布隐私保护,位置隐私
AB值：
0.298291
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
