近日，中国电信云计算研究院与吉林大学联合研究团队在空间群智感知与隐私保护领域取得最新研究进展，相关论文《Privacy-Preserving Data Completion with Location and Value Obfuscation in Spatial Crowdsourcing》被网络与信息安全领域国际重要期刊 IEEE Transactions on Dependable and Secure Computing（IEEE TDSC）正式接收。该工作由中国电信云计算研究院与吉林大学联合培养博士后刘文彬完成，得到中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，吉林大学王恩教授的共同指导，是研究团队在群智感知数据安全、隐私保护与时空数据智能补全方向的重要成果。

融合位置混淆与数值混淆的隐私保护数据补全框架

该研究面向空间群智感知场景下隐私保护与数据可用性难以兼顾这一核心问题，提出一种融合位置混淆与数值混淆的隐私保护数据补全框架，在满足差分隐私保护要求的前提下，有效降低混淆操作对数据补全精度的影响，为智慧城市、环境监测和交通管理等应用场景提供实用的隐私保护技术方案。

空间群智感知是一种重要的数据采集和智能感知范式，可利用智能手机、车载设备和各类移动终端采集大规模时空数据。然而，在真实应用中，用户参与具有随机性，上传数据往往存在覆盖不完整和空间分布稀疏等问题，需要依赖数据补全方法恢复缺失区域信息。同时，数据补全过程通常需要准确的位置、时间和感知数值信息，这可能暴露用户移动轨迹、活动规律和生活习惯，带来严重的隐私安全风险。

针对上述问题，研究团队提出了面向空间群智感知的隐私保护数据补全框架。该框架首先利用历史时空数据训练预测模型，从中提取位置重要性矩阵和数据关系矩阵；在此基础上，设计基于差分隐私的位置混淆策略，将用户真实位置映射到对数据补全更有帮助的重要位置，从而在保护真实位置隐私的同时提升补全可用性；进一步，利用动态数值调整策略对上传感知值进行修正，缓解位置混淆后数值与目标位置不一致所导致的时空相关性破坏问题。此外，论文引入直径 2-临界图对差分隐私约束进行简化，有效降低线性规划求解复杂度，提升了方法在大规模空间区域中的实用性。论文在五个真实数据集上进行了实验验证。结果表明，在相同隐私保护水平下，该方法相较于现有代表性位置混淆与隐私保护方法能够取得更低的数据补全误差，并在不同感知用户数量、隐私预算和多变量混淆设置下保持稳定表现，体现出良好的鲁棒性和适用性。

作为面向云边端协同和智能感知服务的重要研究方向，空间群智感知中的隐私保护数据推断与补全技术对于构建安全可信的数据基础设施具有重要意义。未来，研究团队将继续围绕移动计算、群智感知、时空数据智能处理和隐私计算等方向开展深入研究，推动相关算法在复杂真实场景中的落地应用，为大规模城市智能感知、可信数据服务和高效资源调度提供可靠技术支撑。

IEEE TDSC（IEEE Transactions on Dependable and Secure Computing）是可信计算与网络信息安全领域具有重要影响力的国际顶级期刊，重点发表安全、隐私、可靠性、可信系统和可依赖计算等方向的高质量研究成果。IEEE TDSC 属于中国计算机学会（CCF）推荐 A 类期刊，论文由 IEEE Xplore 收录，在网络与信息安全、隐私保护和可信计算等研究领域具有广泛影响力。