一种具有双因素动态调整的威胁感知差分隐私保护方法 丁晓江、 胡兆伟、 刁涵、 吴梦婷

《Future Internet》：A Threat-Aware Differential Privacy Protection Method with Dual-Factor Dynamic Adjustment Xiaojiang Ding, Zhaowei Hu, Han Diao and Mengting Wu

　　

摘要

为了解决静态隐私预算和轨迹共享中数据效用下降的双重挑战，本文提出了一种具有双重因素动态调整的威胁感知差分隐私保护方法。该方法采用轻量级的LSTM-Lite模型实时感知和量化环境威胁，从而将威胁评分与隐私预算调整动态关联起来，减少威胁检测与参数控制之间的脱节。基于威胁评分和语义敏感性，设计了一个双重因素控制器，以实现隐私预算的自适应调节。通过后验估计校准过滤增益，并结合运动学约束来提高重建质量。实验结果表明，所提出的方法能够准确识别异常威胁，F1分数达到0.885，并能在动态变化的风险下自适应调节隐私强度。与固定预算和单阶段恢复方法相比，该方法在隐私保护和轨迹效用之间取得了更好的平衡，有效减少了受干扰轨迹的空间偏差和速度抖动。