基于非敏感信息分析的轨迹数据隐私保护发布

　　针对轨迹数据发布时轨迹和非敏感信息引起的隐私泄露问题，提出一种基于非敏感信息分析的轨迹数据隐私保护发布算法。首先，分析轨迹和非敏感信息的关联性构建轨迹隐私泄露判定模型，得到最小违反序列元组（MVS），然后借鉴公共子序列的思想，在消除MVS带来的隐私泄露风险时，选择MVS中对轨迹数据损失最小的时序序列作为抑制对象，从而生成具有隐私能力和低数据损失率的匿名轨迹数据集。仿真实验结果表明，与LKC-Local算法和Trad-Local算法相比，在序列长度为3的情况下，该算法平均实例损失率分别降低了6%和30%，平均最大频繁序列（MFS）损失率分别降低了7%和60%，因此所提算法能够有效用于提高推荐服务质量。