45、敏感关系保护与轨迹隐私保护：技术解析与实验评估

敏感关系保护与轨迹隐私保护：技术解析与实验评估

在当今数字化时代，社交网络和移动对象轨迹数据的隐私保护愈发重要。本文将深入探讨敏感关系免受推理攻击的保护方法，以及通过保护重要停留点来实现轨迹隐私保护的新策略。

一、保护敏感关系免受推理攻击

1.1 结构相似性与边添加策略

• 结构相似性（SS） ：对于移除的边 $e_{u_1v_1}$，存在最多 $\frac{|V (G)|(|V (G)| - 1)}{2} - |E(G)|$ 个新的边候选。结构相似性的计算公式为：
  [SS(e_{u_1v_1}, e_{u_2v_2}) = \frac{|(\Gamma(u_1) \cup \Gamma(v_1)) \cap (\Gamma(u_2) \cup \Gamma(v_2))|}{|(\Gamma(u_1) \cup \Gamma(v_1)) \cup (\Gamma(u_2) \cup \Gamma(v_2))|}]
• Switch 边添加策略 ：与 Deletion/Addition 不同，当移除边 $e_{u_1v_1}$ 时，Switch 策略会添加连接 ${u_1, v_1}$ 中的一个顶点和 $V (G)$ 中其他顶点的新边。此时，结构相似性简化为：
  [SS(e_{u_1v_1}, e_{u_1v_2}) = \frac{|\Gamma (u_1) \cup (\Gamma (v_1) \cap \Gamma (v_2))|}{|\Gamma (u_1) \cup (\Gamma (v_1) \cup \Gamma (v_2))|}]