정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
지역 차분 프라이버시를 만족하는 시계열 위치 데이터 수집 및 분석 |
| 영문제목(English Title) |
Time-series Location Data Collection and Analysis Under Local Differential Privacy |
| 저자(Author) |
정기정
이혁기
정연돈
Kijung Jung
Hyukki Lee
Yon Dohn Chung
|
| 원문수록처(Citation) |
VOL 49 NO. 04 PP. 0305 ~ 0313 (2022. 04) |
한글내용
(Korean Abstract) |
위치 데이터를 생성할 수 있는 스마트 기기의 보급에 따라 위치 기반 서비스가 폭발적으로 증가하고 있다. 사용자의 위치 데이터는 민감한 정보이기 때문에 원본을 그대로 이용한다면 개인의 프라이버시가 침해될 수 있다. 본 논문은 데이터 수집 환경에서 사용할 수 있는 강력한 프라이버시 모델인 지역 차분 프라이버시를 만족하는 시계열 위치 데이터 수집 방법과 시계열 위치 데이터의 특성을 고려한 분석 방법을 제안한다. 데이터 수집 과정에서 개인의 위치는 비트 배열로 표현한다. 이후, 각 배열의 비트는 프라이버시 보호를 위해 확률 기반 응답을 이용하여 변조한다. 데이터 분석 과정에서는 은닉 마르코프 모델을 이용하여 위치 빈도 분석을 진행한다. 또한 기존 분석 기법에서 불가능한 시공간 상관관계 분석을 추가로 수행한다. 제안 기법의 성능을 보이기 위하여 서울시 지하철을 기반으로 가상의 경로 데이터를 생성하고, 제안하는 기법의 결과를 분석한다. |
영문내용
(English Abstract) |
As the prevalence of smart devices that can generate location data, the number of location-based services is exploding. Since the user’s location data are sensitive information, if the original data are utilized in their original form, the privacy of individuals could be breached. In this study, we proposed a time-series location data collection and analysis method that satisfies local differential privacy, which is a strong privacy model for the data collection environment and considers the characteristics of time-series location data. In the data collection process, the location of an individual is expressed as a bit array. After that, each bit of the array is perturbed by randomized responses for privacy preservation. In the data analysis process, we analyzed the location frequency using hidden Markov model. Moreover, we performed additional spatiotemporal correlation analysis, which is not possible in the existing analysis methods. To demonstrate the performance of the proposed method, we generated trajectory data based on the Seoul subway and analyzed the results of our method. |
| 키워드(Keyword) |
데이터 프라이버시
지역 차분 프라이버시
은닉 마르코프 모델
시계열 데이터
data privacy
local differential privacy
hidden Markov model
time-series data
|
| 파일첨부 |
PDF 다운로드
|
