由安徽师范大学计信学院王涛春教授、研究生张琼等人完成的一篇关于群智感知轨迹隐私领域的研究成果：“Trajectory Privacy Protection Method Based on Differential Privacy in Crowdsensing”被IEEE服务计算领域顶级国际期刊IEEE Transactions on Services Computing录用发表（https://ieeexplore.ieee.org/document/10666272）。现有的轨迹隐私保护方法往往容易受到具有背景知识的对手的隐私攻击，无法提供足够的隐私保护。本文提出了一种基于差分隐私的轨迹隐私保护方法CTDP，用户对轨迹信息进行聚类，提取轨迹的特征区域和区域质心，能够提高轨迹信息的可用性。利用指数机制对待混淆点进行随机采样，并代替原轨迹点以保障用户的轨迹隐私。评分函数能够衡量待混淆点与原轨迹点之间的相似度，从而能够有效的平衡混淆轨迹的隐私性和可用性之间的矛盾。此外，CTDP设计了个性化隐私预算分配算法，能够满足用户的个性化隐私需求。其框架如图1所示。实验结果表明，CTDP具有强隐私性和高可用性特点。成果论文题目为“Trajectory Privacy Protection Method Based on Differential Privacy in Crowdsensing”，由我院王涛春教授为通讯作者，研究生张琼为第一作者。
IEEE Transactions on Services Computing是IEEE服务计算领域顶级国际期刊和中国计算机学会(CCF)推荐的A类期刊，2023-2024最新影响因子为5.5。
