【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及車輛行駛路徑隱私保護(hù)領(lǐng)域，具體為一種行駛路徑隱私保護(hù)方法、電子設(shè)備及存儲介質(zhì)。
技術(shù)介紹
1、隨著物流行業(yè)的快速發(fā)展，物流車輛的行駛路徑數(shù)據(jù)被廣泛應(yīng)用于優(yōu)化運輸路線、提升配送效率和降低成本。然而，這些數(shù)據(jù)往往包含大量敏感的地理位置信息，尤其在物流網(wǎng)絡(luò)中，車輛的行駛路徑可以直接反映企業(yè)的商業(yè)運營狀況、客戶位置信息以及車輛的實時位置。如果這些數(shù)據(jù)在不經(jīng)過保護(hù)的情況下被泄露，可能導(dǎo)致嚴(yán)重的隱私安全問題，如位置追蹤、惡意競爭和數(shù)據(jù)濫用。
2、現(xiàn)有的隱私保護(hù)技術(shù)多依賴于數(shù)據(jù)加密或混淆技術(shù)，雖然能夠在一定程度上保護(hù)位置信息，但難以同時保證數(shù)據(jù)的可用性和隱私性，尤其是在物流路徑動態(tài)更新和數(shù)據(jù)共享的場景下。此外，差分隱私技術(shù)已經(jīng)被證明能夠有效應(yīng)對隱私泄露問題，然而，如何在動態(tài)路網(wǎng)環(huán)境中應(yīng)用差分隱私技術(shù)，實現(xiàn)對物流車輛行駛路徑的精準(zhǔn)隱私保護(hù)，仍然面臨技術(shù)挑戰(zhàn)。
3、傳統(tǒng)的差分隱私方法在處理位置數(shù)據(jù)時，難以兼顧不同道路類型、交通狀況以及數(shù)據(jù)異質(zhì)性問題。物流車輛的行駛路徑復(fù)雜多樣，不同的道路類型、擁堵程度和車速差異，使得單一的隱私保護(hù)策略難以滿足實際需求。同時，在聯(lián)邦學(xué)習(xí)場景下，如何在保護(hù)隱私的同時，確保數(shù)據(jù)的有效性和模型的準(zhǔn)確性，也是當(dāng)前
亟待解決的問題。
4、因此，提出一種能夠根據(jù)路網(wǎng)的層次結(jié)構(gòu)、交通狀況和路徑動態(tài)更新的差分隱私保護(hù)方法，既能保護(hù)物流車輛行駛路徑隱私，又能保持?jǐn)?shù)據(jù)的可用性，是本專利技術(shù)所要解決的技術(shù)問題。
技術(shù)實現(xiàn)思路
1、本專
2、為了解決上述技術(shù)問題，本專利技術(shù)提供如下技術(shù)方案：
3、一種行駛路徑隱私保護(hù)方法，應(yīng)用于物流車輛，方法包括：
4、s100、采集所述物流車輛的動態(tài)路網(wǎng)數(shù)據(jù)，根據(jù)所述動態(tài)路網(wǎng)數(shù)據(jù)和gis獲取所述物流車輛的實時交通數(shù)據(jù)和道路類型，并對所述動態(tài)路網(wǎng)數(shù)據(jù)進(jìn)行層次化劃分處理；
5、s200、根據(jù)層次化后的路網(wǎng)數(shù)據(jù)設(shè)置所述路網(wǎng)數(shù)據(jù)中道路節(jié)點的節(jié)點密度；并根據(jù)所述實時交通數(shù)據(jù)和道路類型進(jìn)行節(jié)點密度的動態(tài)調(diào)整；根據(jù)動態(tài)權(quán)重隨機(jī)抽樣算法確認(rèn)動態(tài)調(diào)整后的道路節(jié)點中混淆位置的可選集合；
6、s300、根據(jù)實時交通數(shù)據(jù)計算交通擁堵程度，動態(tài)調(diào)整路網(wǎng)距離；結(jié)合歐氏距離計算混合距離，確定可選集合中各混淆位置的選擇概率，進(jìn)一步確認(rèn)最終的混淆位置；
7、s400、根據(jù)所述混合距離分析層次化路網(wǎng)數(shù)據(jù)中各層次的不可區(qū)分性；并計算綜合不可區(qū)分性，動態(tài)調(diào)整隱私預(yù)算；
8、s500、獲取物流車輛的各個客戶端數(shù)據(jù)，根據(jù)損失函數(shù)和綜合不可區(qū)分性分別確認(rèn)客戶端模型梯度，并計算各客戶端的局部差異，動態(tài)調(diào)整客戶端的標(biāo)簽種類；
9、s600、根據(jù)客戶端模型梯度計算客戶端的梯度變化率；根據(jù)客戶端的梯度變化率和標(biāo)簽種類動態(tài)調(diào)整剪裁閾值，生成并添加符合高斯分布的噪聲；
10、s700、為各個客戶端計算個性化的偏差校正值，更新本地模型并上傳添加噪聲的梯度和參數(shù)；服務(wù)器聚合所有客戶端上傳的模型參數(shù)，并添加高斯噪聲至全局模型；
11、s800、將添加噪聲的全局模型廣播給客戶端，繼續(xù)下一輪聯(lián)邦學(xué)習(xí)的迭代。
12、優(yōu)選的，s100，包括：
13、s101、所述實時交通數(shù)據(jù)包括物流車輛的交通流量、車速、道路寬度、車道數(shù)量、道路擁堵狀況和施工信息；
14、s102、將采集的數(shù)據(jù)進(jìn)行預(yù)處理，包括去除異常數(shù)據(jù)、補(bǔ)全缺失數(shù)據(jù)、移除重復(fù)記錄和統(tǒng)一數(shù)據(jù)的尺度和單位；
15、s103、層次化劃分處理：根據(jù)動態(tài)路網(wǎng)數(shù)據(jù)中道路的重要性、使用頻率和交通流量將路網(wǎng)分為不同層次，構(gòu)建層次化路網(wǎng)模型；其中，所述層次化路網(wǎng)模型中各個層次的道路具有不同的重要性和流量特征。
16、優(yōu)選的，s200，包括：
17、s201、獲取層次化后的路網(wǎng)數(shù)據(jù)，將所述路網(wǎng)數(shù)據(jù)中的道路劃分為多個區(qū)間；其中一個區(qū)間表示一個節(jié)點，并根據(jù)道路類型設(shè)置相應(yīng)的基礎(chǔ)節(jié)點密度；
18、s202、基于實時交通數(shù)據(jù)中的交通流量、車速、道路寬度和車道數(shù)量對基礎(chǔ)節(jié)點密度進(jìn)行動態(tài)調(diào)整：
19、其中，dadjusted為動態(tài)調(diào)整后的節(jié)點密度，dbase為基礎(chǔ)節(jié)點密度，ttraffic為設(shè)交通流量指標(biāo)，tcongestion為交通擁堵程度，w為表示道路的實際寬度(米)，wmax為表示最大道路寬度，作為歸一化的參考值，l為道路上的車道數(shù)，lmax為表示最大道路寬度，qmax為道路的最大承載流量，γ，δ，λ1，λ2為調(diào)整系數(shù)，分別控制交通流量、車速、道路寬度、車道數(shù)量對節(jié)點密度的影響；
20、s203、根據(jù)動態(tài)調(diào)整后的節(jié)點密度dadjusted布設(shè)道路節(jié)點，計算物流車輛與各道路節(jié)點的距離，將物流車輛的實時位置映射到最近的節(jié)點并記錄節(jié)點坐標(biāo)；
21、s204、基于實時交通數(shù)據(jù)中的交通流量、車速和道路擁堵狀況確認(rèn)各道路節(jié)點的權(quán)重：
22、
23、其中，vcurrent是當(dāng)前車速，vfree是自由流狀態(tài)下的正常車速，α、β分別為車速差異與交通流量的調(diào)整系數(shù)，∈j為隨機(jī)擾動項，從均勻分布u(-δ,δ)中采樣；
24、s205、設(shè)定有n個道路節(jié)點，則將各道路節(jié)點的權(quán)重值wj歸一化，計算各道路節(jié)點的選擇概率為此時通過累積權(quán)重值劃分隨機(jī)抽樣區(qū)間，確認(rèn)生成的隨機(jī)數(shù)所對應(yīng)的區(qū)間，并將區(qū)間所對應(yīng)的節(jié)點作為混淆位置；將所述混淆位置添加到當(dāng)前道路的所有節(jié)點集合中，形成新的節(jié)點集合s＝{p1，p2，p3,…,pn,pj}。
25、優(yōu)選的，s300，包括：
26、s301、獲取實時交通數(shù)據(jù)中物流車輛的實時車速vcurrent，得到交通擁堵程度tcongestion：其中，vfree為自由流狀態(tài)下的車速；
27、s302、根據(jù)交通擁堵程度tcongestion、實際距離dg(pi,p'j)確認(rèn)調(diào)整后的路網(wǎng)距離其中α為調(diào)整因子；
28、s303、結(jié)合歐氏距離計算混合距離：其中，deuclidean(pi,pj')為歐氏距離，為節(jié)點pi和pj'的地理坐標(biāo)進(jìn)行計算而來，β為動態(tài)調(diào)整的權(quán)重系數(shù)；
29、s304、根據(jù)混合距離dhybrid(pi,pj')計算節(jié)點集合s中各節(jié)點的選擇概率：其中，α為控制選擇敏感度的參數(shù)；此時根據(jù)選擇概率p(pj'∣pi)選擇最終的混淆位置p'。
30、優(yōu)選的，s400，包括：
31、s401、獲取層次化路網(wǎng)數(shù)據(jù)，計算各個層次的路網(wǎng)距離其中，wk為道路節(jié)點的權(quán)重，k為該層次內(nèi)路徑的數(shù)量；
32、s402、根據(jù)各個層次的路網(wǎng)距離分別確認(rèn)各層次的不可區(qū)分性度量rn-il：
33、
34、其中，∈l為該層次的隱私預(yù)算；
35、s403、根據(jù)不可區(qū)分性度量rn-il確認(rèn)整個路網(wǎng)的綜合動態(tài)不可區(qū)分性：
<本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種行駛路徑隱私保護(hù)方法，應(yīng)用于物流車輛，其特征在于：所述方法包括：
2.如權(quán)利要求1所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S100，包括：
3.如權(quán)利要求2所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S200，包括：
4.如權(quán)利要求3所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S300，包括：
5.如權(quán)利要求4所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S400，包括：
6.如權(quán)利要求5所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S500，包括：
7.如權(quán)利要求6所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S600，包括：
8.如權(quán)利要求7所述的行駛路徑隱私保護(hù)方法，其特征在于，所述S700，包括：
9.一種電子設(shè)備，其特征在于，包括：
10.一種計算機(jī)可讀存儲介質(zhì)，存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-8中任一項所述的保護(hù)方法。
【技術(shù)特征摘要】
1.一種行駛路徑隱私保護(hù)方法，應(yīng)用于物流車輛，其特征在于：所述方法包括：
2.如權(quán)利要求1所述的行駛路徑隱私保護(hù)方法，其特征在于，所述s100，包括：
3.如權(quán)利要求2所述的行駛路徑隱私保護(hù)方法，其特征在于，所述s200，包括：
4.如權(quán)利要求3所述的行駛路徑隱私保護(hù)方法，其特征在于，所述s300，包括：
5.如權(quán)利要求4所述的行駛路徑隱私保護(hù)方法，其特征在于，所述s400，包括：
6...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：汪胡青，林雅潔，孫知信，宮婧，趙學(xué)健，孫哲，曹亞東，胡冰，徐玉華，
申請(專利權(quán))人：南京郵電大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。