2011 年微軟進行的一項調查顯示，有 94% 的用戶認為基于地理位置的服務具有價值。但是調查中也顯示，52% 的人也關注與使用地理位置數據有關的隱私問題。

我們在生活中使用 GPS、IP 地址及 Wi-Fi 獲取基于位置的服務，實現實時導航、本地天氣、地理定位的功能，但在無形之中，它也泄露了我們的隱私。

此前數據科學家 Anthony Tockar 在西北大學讀研究生時，就采用可公開獲取的位置數據，通過交叉參考公共新聞與照片，跟蹤位于紐約市的名人。

隱私問題已經成為了研究界所關注的焦點，南洋理工大學的蕭小奎表示，「現在的計算能力與公開數據的規(guī)模可以使我們更容易地從數據中識別對方?！?/p>

雷鋒網消息，日前蕭教授與微軟亞洲研究院的謝幸博士已經發(fā)現了一種可以緩解隱私問題的一種方式。這種名為 PrivTree 的數據操作技術能對地理位置數據進行預處理，以保障個人隱私。隨后，這些已經進行過隱私處理的數據可以安全地應用于任何預測分析，而不會對隱私造成進一步風險。

PrivTree 的原理是通過數學方法的「模糊」(blurring) 對地理信息進行處理，但保持整個數據集的總體準確性。以下圖為例，數據集里的個體在地圖上呈現各自的坐標。

接下來，PrivTree 通過兩個步驟對地理位置信息進行模糊處理。

• 地圖分區(qū) （Map Partitioning），也就是基于數據點的密度，將圖片分割成若干區(qū)域。

• 位置擾動 （Location Perturbation），即采用統(tǒng)計分析方法，個體受擾動方案隨機被摸除、添加或混洗以保證隱私及統(tǒng)計的準確性。在對每個子區(qū)域的應用位置擾動后，新的地理位置數據庫最終形成。

  
  

這些新數據點遵循與原始數據類似分布，但每個個體的真實位置被掩蓋了。這些被處理過的數據可以做為 PrivTree 的數據釋出。而這個數據集能夠拓展為支持各類位置數據的應用——比如你每天的慢跑路線會上傳到健康應用程序。具體論文《PrivTree: A Differentially Private Algorithm for Hierarchical Decompositions》已經被 ACM SIGMOD 2016 收錄。

蕭教授表示，「微軟亞洲研究院在管理海量地理位置數據上有著豐富經驗，比如北京出租車數據等。這些數據能夠幫助我們開發(fā)測試我們的模型?！顾媱澾M一步將 PrivTree 技術集成到微軟基于位置的服務里，為用戶提供隱私保護。

「數據隱私是云計算時代所面臨的一個關鍵挑戰(zhàn)，尤其是對于包含大量個人信息的用戶生成的位置數據。我們希望這項合作能夠為所有人建立一個更加安全的世界，」謝幸博士表示。

當然，雷鋒網也同樣期待這項技術能早日應用于實際領域。

via microsoft，雷鋒網編譯

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。