초록 열기/닫기 버튼
오늘날 스마트폰의 보급과 센서 기술의 발달에 따라 모바일 기기로부터 수집된 사용자 위치 데이터의 나열인 경로 데이터가 마케팅이나 효율적인 알고리즘 개발에 활용되고 있다. 그러나 이와 같은 위치정보의 무분별한 수집은 사용자 개인의 프라이버시 침해 문제를 야기할 수 있다. 이를 해결하기 위해 위치 정보에 차분 프라이버시를 적용하기 위한 많은 기법이 나왔으나, 경로 정보의 경우 이 방법들을 그대로 적용한다면 유용성이 매우 하락한다는 단점이 있다. 또한, 차분 프라이버시 기법은 큐레이터 모델과 로컬 모델로 나뉘는데, 로컬 모델은 신뢰할 수 있는 서버를 두지 않아도 된다는 장점이 있어 안전하지만 더 많은 노이즈가 삽입되어 데이터 유용성을 더욱 하락시킨다. 본 논문은 로컬 모델에서의 도로교통망 경로 데이터 수집 시 차분 프라이버시를 적용할 때, 데이터 유용성 하락 문제를 해결하기 위해 정점들을 집중점(Heavy point)과 경점(Light point)로 구분하고, 차등적으로 차분 프라이버시 기법을 적용하는 방법을 제안한다. 또한, 실험을 통해 제안 기법이 민감한 데이터는 차분 프라이버시 기준에 맞춰 보호하면서도 전체적인 데이터 유용성 하락을 완화하였음을 보인다.
Today, with the proliferation of smartphones and the development of sensor technology, path data, a list of user location data collected from mobile devices, is being manipulated for marketing or efficient algorithm development. However, such indiscriminate collection of location information may cause personal privacy leakage issues. To resolve the problem, many differential privacy techniques have been proposed. However, the previous methods significantly degrade query accuracy if they are applied in the trajectory dataset. Additionally, the differential privacy technique is classified into a curator model and a local model. The local model has advantages of not having a reliable server, but suffers from more noise inserted to reduce query accuracy. This paper classifies vertices into heavy points and light points to resolve the problem of data usability in applying differential privacy to collect road network trajectory data in the local model. Additionally, experiments show that the proposed technique mitigates the degradation of overall data usability while protecting the sensitive data in accordance with the differential privacy standards.
키워드열기/닫기 버튼
personal information protect, trajectory data, differential privacy, linear regression
