Alcançando Anonimato Garantido em Traços de GPS via Ocultação de Caminho Consciente da Incerteza

A integração de receptores e sensores do Sistema de Posicionamento Global (GPS) em dispositivos móveis possibilitou aplicações de sensoriamento colaborativo, que monitoram a dinâmica dos ambientes através da coleta oportunista de dados de muitos dispositivos de usuários. Um exemplo que motiva este artigo é um sistema de monitoramento de tráfego automotivo baseado em veículos sonda, que estima a congestão de tráfego a partir de medições de velocidade de GPS relatadas por muitos motoristas. Este artigo considera o problema de alcançar anonimato garantido em um conjunto de dados locacionais que inclui rastros de localização de muitos usuários, enquanto mantém alta precisão dos dados. Consideramos dois métodos para reidentificar rastros de localização anônima: rastreamento de alvos e identificação de residência, e observamos que algoritmos de privacidade conhecidos não podem atingir altos requisitos de precisão da aplicação ou falham em fornecer garantias de privacidade para motoristas em áreas de baixa densidade. Para superar esses desafios, derivamos um novo critério de tempo para confusão para caracterizar a privacidade em um conjunto de dados locacionais e propomos um algoritmo de controle de divulgação (chamado algoritmo de ocultação de caminho consciente da incerteza) que revela seletivamente amostras de GPS para limitar o tempo máximo de confusão para todos os veículos. Através de simulações baseadas em traços usando rastros de GPS reais de 312 veículos, demonstramos que este algoritmo limita efetivamente os riscos de rastreamento, em particular, eliminando outliers de rastreamento. Também alcança melhorias significativas na precisão dos dados em comparação com algoritmos conhecidos. Em seguida, apresentamos duas melhorias ao algoritmo. Primeiro, ele também aborda o risco de identificação de residência ao reduzir as informações de localização reveladas no início e no final das viagens. Em segundo lugar, também considera as informações de direção relatadas pelos usuários no modelo de rastreamento. Esta versão pode, assim, proteger usuários que estão se movendo em áreas densas, mas em uma direção diferente da maioria.