位置隐私K-匿名算法与应用
    基于K-匿名的位置隐私保护方案是当前的研究热点之一，迄今为止，在位置匿名处理中，使用最多的模型也是位置K-匿名模型。具体地说，在位置K-匿名模型下，每一个用户的位置以一个三元组表示（[X₁，X₂]，[y₁，y₂]，[t₁，t₂]），其中（[X₁，X₂]，[y₁，y₂]）表示移动用户所在的二维空间（[t1，t2]）表示时间段“（[X₁，X₂]，[y₁，y₂])，[t₁，t₂]）描述了用户在[t1，t2]时间段的某一个时间点ti出现在（[X₁，X₂]，[y₁，y₂]）所表示的二维空间中的某一点。为了使得用户集合满足位置K-匿名，除此用户外，至少还需要其他k-l个用户也在此时间段内的某个时间点出现在（[X₁，X₂]，[y₁，y₂]）的二维空间的某一点。如图8-11所示，这是一个k=4的位置k-匿名的例子（为了叙述方便，这里省掉了时间域）。在某个时间段内，共有四个用户A、B、C和D出现在([Xbl,xur]，[ybl，yur])所表示的二维空间中。这样，经过位置匿名后，这四个用户均用([X_bl，X_ur]，[y_bl，y_ur])表示，如表8-4所示，其中(X_bl，ybl)是匿名矩
形框的左小角坐标，(X_ur，Yur，)是匿名矩形框的右上角坐标。因为用户在匿名框中任何一个位置出现的概率相同，所以攻击者只知道在此区域中有4个用户，具体哪个用户在哪个位置无法确定。
    这里需要说明的一点是，k值是由用户根据需求自己定义的。一般情况下，k值越大，匿名框也越大，但是这也与用户提出服务时所在位置的周围环境有关。例如，某个移动用户提出查询请求时要求k=100的匿名度，如果此时用户正在一个购物广场上，那么一个面积很小的空间即可满足匿名需求。但是，如果用户此时在沙漠或者丛林中，则返回的匿名空间可能非常大，从而导致服务质量的下降。
    下面对目前常用的三种位置缸匿名算法进行介绍：间隔匿名算法，Hilbert匿名算法和连续查询匿名算法。