A heuristic line piloting method to disclose malicious taxicab driver's privacy over GPS big data
A heuristic line piloting method to disclose malicious taxicab driver's privacy over GPS big data
复制标题
一种利用GPS大数据泄露恶意出租车司机隐私的启发式线路领航方法
DOI：
10.1016/j.ins.2018.12.056
复制
发表时间：
2019-05
影响因子：
8.1
通讯作者：
Choo Kim Kwang Raymond
中科院分区：
文献类型：
--
作者：
Dou Wanchun;Tang Wenda;Li Shu;Yu Shui;Choo Kim Kwang Raymond
虽然隐私保护很重要，但在某些情况下，个人的隐私不应得到保护(例如，在恐怖袭击案件中涉及的情况)。现有的作品一般不做这样的区分。我们假定将个人隐私分类为积极和消极的重要性，比如在行为不端的司机(例如，参与肇事逃逸或恐怖袭击的司机)的情况下。这将允许我们撤销行为不端司机的隐私权，以便于调查。因此，我们提出了一种启发式的归结方法，以下称为HelpMe。以出租车服务为例，我们解释了所提出的方法是如何利用机器学习技术从相关的历史GPS数据集中不断积累关于出租车路线的知识的。因此，可以实时检测偏离典型路线的出租车，这可以用来发出警报(例如，出租车可能被犯罪分子劫持)。我们还评估了我们的方法在真实的GPS数据集上的实用性。
While privacy preservation is important, there are occasions when an individual’s privacy should not be preserved (e.g., those involved in the case of a terrorist attack). Existing works do not generally make such a distinction. We posit the importance of classifying an individual’s privacy as positive and negative, say in the case of a misbehaving driver (e.g., a driver involved in a hit-and-run or terrorist attack). This will allow us to revoke the right of the misbehaving driver’s right to privacy to facilitate investigation. Hence, we propose aheuristiclinepilotingmethod, hereafter referred to asHelpMe. Using taxi services as a case study, we explain how the proposed method constantly accumulates the knowledge of taxi routes from related historical GPS datasets using machine-learning techniques. Hence, a taxi deviating from the typical route could be detected in real-time, which may be used to raise an alert (e.g., the taxi may be hijacked by criminals). We also evaluate the utility of our method on real-life GPS datasets.
登录
查看更多内容
确保移动云计算外包数据安全属性隐私保护和快速解密
影响因子：
8.1
作者：
Yinghui Zhang;Xiaofeng Chen;Jin Li;Duncan S. Wong;Hui Li;Ilsun You
通讯作者：
Ilsun You
影响因子：
3.9
作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
通讯作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
DOI：
10.1109/tits.2015.2480157
发表时间：
2016
影响因子：
8.5
作者：
Xinhu Zheng;Wei Chen;Pu Wang;Dayong Shen;Songhang Chen;Xiao Wang;Qingpeng Zhang;Liuqing Yang
通讯作者：
Liuqing Yang
T-DesP：基于轨迹大数据的目的地预测
DOI：
10.1109/tits.2016.2518685
发表时间：
2016
影响因子：
8.5
作者：
Li Xiang;Li Mengting;Gong Yue-Jiao;Zhang Xing-Lin;Yin Jian
通讯作者：
Yin Jian
影响因子：
3.8
作者：
Lin Sun;Daqing Zhang;Chao Chen;P. S. Castro;Shijian Li;Zonghui Wang
通讯作者：
Lin Sun;Daqing Zhang;Chao Chen;P. S. Castro;Shijian Li;Zonghui Wang