공간지리 데이터는 개인화된 서비스에 많은 이점을 제공한다. 그러나 공간지리 데이터에는 개인의 활동에 관한 민감한 정보가 포함되어 있으므로, 원시 데이터를 수집하는 과정에서 수집자의 개인정보가 유출될 잠재적 위험이 있다. 최근에는 수집자를 신뢰하지 않고도 사용자의 프라이버시를 보호하는 지역 차등 프라이버시(local differential privacy, LDP)가 다수의 실제 응용에서 프라이버시를 보존하기 위해 채택되고 있다. 본 논문에서는 LDP 하에서 개별 사용자들의 위치를 수집하는 문제를 연구하고, 프라이버시 예산 및 데이터 도메인에 따라 교란된 위치의 기대 오차를 최소화하도록 설계된 교란 메커니즘을 제안한다. 교란된 위치의 빈도 분포는 불가피하게 큰 오차를 가지게 된다. 이 문제를 해결하기 위해, 수집된 데이터의 원래 빈도 분포를 볼록 최적화를 이용해 추정하는 사후처리 알고리즘 또한 제안한다. 다양한 실제 데이터셋에 대한 실험을 통해, 제안한 알고리즘들의 효과성을 입증한다.

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