Resumen

Con el rápido desarrollo de la tecnología de adquisición de datos, los departamentos de adquisición de datos pueden recopilar cada vez más datos. Diversos datos procedentes de organismos gubernamentales se están haciendo gradualmente accesibles al público, incluidos los datos de reconocimiento de matrículas (VLPR). Como resultado, la protección de la privacidad es cada vez más importante. En este artículo se propone un modelo de adversario basado en la hora de paso, el color, el tipo y la marca de los datos VLPR. Mediante un análisis experimental, la probabilidad de seguimiento de la trayectoria de un vehículo puede ser superior al 94% si se utilizan los datos originales. Para disminuir la probabilidad de seguimiento, se propone un nuevo enfoque denominado modelo de (m, n)-cubeta basado en series temporales, ya que los trabajos anteriores, como los que utilizan modelos de generalización y bucketización, no pueden tratar datos con múltiples atributos sensibles (SA) o datos con correlaciones temporales. Al mismo tiempo, se establece un modelo matemático para exponer el principio de protección de la privacidad del modelo (m, n)-bucket. Comparando la probabilidad de enlace media calculada de todos los individuos y la probabilidad de enlace real, se demuestra que el modelo matemático propuesto puede exponer bien el principio de protección de la privacidad del modelo de cubo (m, n). Extensos experimentos confirman que nuestra técnica puede prevenir eficazmente la revelación de la privacidad de la trayectoria.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:principio de protección de la intimidad, modelo n)-bucket, datos, modelo matemático, probabilidad de rastreo, probabilidad de enlace real, departamentos de adquisición de datos, tecnología de adquisición de datos, reconocimiento de matrículas, múltiples atributos sensibles
• Keywords:privacy protection principle, n)-bucket model, data, mathematical model, tracking probability, actual linking probability, data acquisition departments, data acquisition technology, license plate recognition, multiple sensitive attributes