Key points are not available for this paper at this time.
A privacidade em Serviços Baseados em Localização (LBS) se tornou uma preocupação primordial com a ubiquidade dos dispositivos móveis e a crescente integração de dados de localização em várias aplicações. Neste artigo, apresentamos várias contribuições inovadoras destinadas a avançar a compreensão e a gestão do vazamento de privacidade em LBS. Nossas contribuições fornecem uma estrutura mais abrangente para analisar preocupações com a privacidade em diferentes facetas das interações baseadas em localização. Especificamente, introduzimos a privacidade de localização (, ), a privacidade de trajetória (, , ) e a privacidade de POI (, , ), que oferecem mecanismos refinados para quantificar os riscos de privacidade associados à localização, trajetória e pontos de interesse ao interagir continuamente com LBS. Além disso, estabelecemos conexões fundamentais entre essas noções de privacidade, facilitando uma abordagem holística para a preservação da privacidade em LBS. Adicionalmente, apresentamos uma análise de limite inferior para avaliar a utilidade dos mecanismos propostos de preservação da privacidade, oferecendo insights sobre os trade-offs entre proteção da privacidade e utilidade dos dados. Finalmente, instanciamos nossa estrutura com o Mecanismo Isotópico Plannar para demonstrar sua aplicabilidade prática, garantindo utilidade ótima e quantificando vazamentos de privacidade em várias dimensões. As avaliações realizadas fornecem uma visão abrangente sobre a eficácia de nossa estrutura em capturar a perda de privacidade em localização, trajetória e Pontos de Interesse (POI), facilitando a quantificação da precisão assegurada.
Bkakria et al. (Sat,) estudaram essa questão.