当前位置:主页 > 管理论文 > 工程管理论文 >

基于移动性数据的时空及网络特征的隐私敏感空间区域发现方法研究

发布时间:2022-08-13 12:25
  地理信息系统与无线电通讯网络的紧密结合促进了基于位置服务应用的发展。从这些应用中,可以获取用户的移动性轨迹数据,轨迹数据在不同行业之间的流动可以带来巨大的经济与社会利益。然而,当这些移动性轨迹数据与具有敏感语义的外源数据结合时,就会具备相应的隐私敏感属性,通过分析这些具有隐私敏感属性的知识,攻击者能够进一步获取用户的个人隐私信息。在保证移动性知识可用性的同时,研究应对隐私攻击的防护方法,已成为移动性数据研究的重要内容。在设计防护方法的过程中,最为关键的一点就是找出具有隐私敏感属性的空间区域。传统的判断方法包括空间数据属性叠加和基于遥感影像的特征分类法。然而,具有敏感语义的地图数据一般无法直接获取,基于遥感影像的分类方法则易受到影像分辨率的影响。为此,本文提出一种通过分析移动性轨迹数自身特征,发现隐私敏感空间区域的方法,也即通过统计和分析敏感空间区域的时空和网络特征的监督分类方法。具体步骤主要包括:(1)时空特征获取,将用户移动性数据与空间节点匹配运算得到时空序列模式包含的空间节点的时空特征;(2)网络特征获取,首先基于时空序列模式构建以空间节点为单元的移动性网络,然后通过复杂网络结构特... 

【文章页数】:73 页

【学位级别】:硕士

【文章目录】:
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究综述
        1.2.1 空间数据属性叠加
        1.2.2 基于遥感影像的特征提取和空间区域识别
        1.2.3 基于移动性数据时空特征的分类方法
    1.3 研究内容与创新
        1.3.1 研究内容
        1.3.2 研究思路
        1.3.3 创新点
    1.4 论文的组织结构
第二章 移动性数据的时空及网络特征
    2.1 移动性数据时空特征
        2.1.1 运动模式
        2.1.2 用户运动的相关参数
        2.1.3 停留模式
    2.2 复杂移动性网络及其特性
        2.2.1 复杂移动性网络的度
        2.2.2 平均路径长度与聚类参数
        2.2.3 节点重要性
    2.3 本章小节
第三章 隐私敏感空间区域的分类模型
    3.1 节点隐私敏感属性的获取
    3.2 时空特征值的获取
    3.3 网络特征值的获取
    3.4 基于时空及网络特征的分类模型
    3.5 本章小结
第四章 基于Spark大数据机器学习平台的方法实现
    4.1 机器学习平台的基本概念
        4.1.1 基本概念
        4.1.2 机器学习算法
        4.1.3 模型评估方法
        4.1.4 机器学习主要步骤
        4.1.5 Spark机器学习类库
    4.2 基于Spark大数据机器学习平台的分类方法实现
        4.2.1 网格及网格特征的提取
        4.2.2 利用MLlib决策树识别空间网格敏感属性
    4.3 本章小结
第五章 实验结果与分析
    5.1 实验集群环境与配置
    5.2 实验数据
        5.2.1 实验数据的生成方法
        5.2.2 生成实验数据的基本信息
    5.3 实验结果及分析
        5.3.1 训练数据与测试数据比值对分类结果的影响分析
        5.3.2 考虑单特征值与综合特征值的分类性能比较分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢



本文编号:3677031

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/3677031.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户0d06e***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com