공간지리 데이터는 개인화 서비스를 위한 여러 이점을 제공한다. 그러나 공간지리 데이터에는 개인의 활동에 관한 민감한 정보가 포함되어 있으므로, 원시 데이터를 수집하는 과정에서는 수집자가 개인 정보를 유출할 잠재적 위험이 있다. 최근에는 수집자를 신뢰하지 않으면서도 사용자의 프라이버시를 보호하는 지역 차등 프라이버시(local differential privacy, LDP)가 많은 실제 응용에서 프라이버시 보존을 위해 채택되고 있다. 다만 기존의 대부분 LDP 알고리즘은 수집된 데이터로부터 평균(mean)이나 히스토그램(histogram)과 같은 집계된 값의 획득에 초점을 맞추고 있다. 본 논문에서는 LDP 하에서 개별 사용자의 위치를 수집하는 문제를 조사하고, 프라이버시 예산과 도메인 크기에 따라 각 교란된 위치의 오차를 줄이도록 신중하게 설계한 교란 메커니즘을 제안한다. 또한 다양한 실제 데이터셋에 대한 실험을 통해 제안한 알고리즘의 유효성을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.