Privacy-risk assessment on multiple-aspects trajectories

Abstract

Com o surgimento da Internet das Coisas (IoT), redes sociais e dispositivos móveis, grandes quantidades de dados de mobilidade são geradas continuamente. Esses dados abrangem diversas informações de localização provenientes de várias fontes, incluindo veículos inteligentes, sensores, dispositivos vestíveis e plataformas de mídia social. Com isso, exploramos o enriquecimento semântico dos componentes das trajetórias relacionados a objetos em movimento e locais, criando as chamadas trajetórias com múltiplos aspectos e suas questões relativas à privacidade. De fato, a análise de riscos de privacidade torna-se crucial para detectar precocemente problemas de privacidade, especialmente ao lidar com trajetórias enriquecidas semanticamente. Neste trabalho, introduzimos o framework de avaliação de riscos de privacidade TrajectGuard. O TrajectGuard, uma extensão do framework PRUDence, alcançou resultados significativos ao formular e avaliar riscos de privacidade em trajetórias com múltiplos aspectos. O framework demonstrou maior eficiência computacional, introduziu uma avaliação de risco mais detalhada com o AspectGuard e realizou avaliações de privacidade justas em conjuntos de dados anonimizados por meio do módulo AnonimoGuard. Sua adaptabilidade e versatilidade tornam o TrajectGuard uma ferramenta valiosa para a preservação da privacidade em dados com múltiplos aspectos.

Abstract: With the rise of the Internet of Things (IoT), social networks, and mobile devices, vast amounts of mobility data are generated continuously. These data encompass diverse location information from various sources, including smart vehicles, sensors, wearables, and social media platforms. Leveraging this data, we explore the semantic enrichment of trajectory components related to moving objects and locations bringing the so-called multiple aspects trajectories and relative privacy issues. Privacy risk analysis becomes crucial in detecting early privacy problems, especially when dealing with semantically enriched trajectories. In this work, we introduce TrajectGuard privacy risk asssessment framework. TrajectGuard, an extension of PRUDence, achieved significant results by formulating and assessing privacy risk on multiple-aspects trajectories. The framework demonstrated enhanced computational efficiency, introduced nuanced risk evaluation with AspectGuard, and conducted fair privacy assessments on anonymized datasets through AnonimoGuard. Its adaptability and versatility make TrajectGuard a valuable tool for privacy preservation in data with multiple aspects.