位置隐私保护算法

　　地理社交网络（ GeoSocial Network．GSN）本质上是具有地理位置坐标特性的社交网络，从社交网络如Facebook、Twitter到基于位置的社交网络如Foursquare，用户通过带有定位功能的移动设备签到并彼此分享位置，同时利用这些地理位置信息，可以获取更多个性化定制服务，如导航、兴趣点推荐、智能交通等，因此分析并发布用户位置数据信息很有应用意义。然而用户频繁签到的位置可能包含用户极其敏感的个人信息，简单发布这些数据会导致用户个人身份和其他敏感信息泄露，因此，用户频繁位置的隐私保护是目前一个重要的研究热点。

　　社交网络中用户身份信息泄露已经得到广泛研究，然而由于地理社交网络中涉及用户的位置信息，若将上述隐私保护方法直接应用到地理社交网络中仍然存在一些弊端。如攻击者了解目标用户在某一个时刻频繁访问某个或某几个位置，而在这个时刻只有一个用户在该位置签到，那么攻击者就可以根据了解的背景知识将用户和频繁位置唯一匹配，推测出用户身份信息，导致用户身份以及其他和位置有关的敏感信息泄露。

　　为解决上述问题，本文提出了一个（K，c）-anonymity算法。首先根据用户访问位置的频次谩置频繁位置集合；然后将这些频繁位置的子集组合成超边，把不满足匿名参数后的超边进行重组，通过该算法泛化用户频繁访问位置；最后发布地理社交网络数据信息，并且通过Brightkite和Gowalla数据集进行实验验证，结果表明在保证安全性的同时降低了用户的信息损失率。