一种基于扩散模型和地点敏感度分级扰动的车联网轨迹隐私保护方法

本发明公开了一种基于扩散模型和地点敏感度分级扰动的车联网轨迹隐私保护方法，包括：对车辆轨迹数据进行预处理，包括剔除异常点、填补缺失值、分离时间和空间特征、进行特征归一化或标准化、同步时间间隔，并添加起点的额外条件信息；对预处理后的时间特征序列和空间特征序列进行前向扩散，通过添加噪声扰动原始数据；在对扰动后的轨迹进行后向扩散时，采用联合去噪网络预测噪声，逐步还原无噪声的时间和空间序列，并将还原的无噪声的时间和空间序列融合得到合成轨迹；使用DBSCAN算法对合成的轨迹点进行聚类，定义并分级敏感地点，根据敏感地点所占比重分配隐私预算，扰动轨迹中的敏感位置点；根据轨迹空间位置和速度合理性重建轨迹。