Achieving Privacy-Preserving Discrete Fréchet Distance Range Queries，发表于IEEE TDSC，2022

本文主要是介绍Achieving Privacy-Preserving Discrete Fréchet Distance Range Queries，发表于IEEE TDSC，2022，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

最近在读的一篇文章，读起来比较费劲，但是还好，技术方法不难理解

这篇文章旨在一个轨迹集合中查找与给定轨迹的距离不超过某一阈值的轨迹。

在接下来的分析中，我们令其是一个二维平面，即k=2，轨迹集合中有 ${t_{1},...t_{N}}$ ，N个轨迹，每个轨迹有 $t_{i}=\{P_{1},...P_{n}\}$ 个点，每个点的坐标为 $p_{j} = (x_{j,1},x_{j,2})$

一、先对每条轨迹进行加密：对轨迹的加密

先是对ID加密，再对对其上的每个点的坐标加密，对坐标写成向量的形式，先转换（4.2章）如下：

再加密（4.1.2章）：

我们取轨迹t1中的第一个点 $p_{1}=(x_{1,1},x_{1,2})$ 为例进行以上操作：

$U_{p_{1}}=(-x^{2}_{1,1}-x^{2}_{1,2},1,2x_{1,1},2x_{1,2})$

, $U^{'}_{p_{1}}=(-r_{2}(x^{2}_{1,1}+x^{2}_{1,2}),r_{2},2r_{2}x_{1,1},2r_{2}x_{1,2},r_{1},1)$

$U^{''}_{p_{1}}=M^{-1}_{2}U^{'T}_{p_{1}}mod p = (u^{''}_{1},...,u^{''}_{6})$

$[U_{p_{1}}]_{1}= (A^{u^{''}_{1}},...,A^{u^{''}_{6}}) = (g^{a*u^{''}_{1}},...,g^{a*u^{''}_{6}})$

这样每个点都得到一个d+2位的向量，也就是k+4位，k为维数

二、再构建索引树T1和T2：

1.首先对每条轨迹构建一个MBR，取其第一个点、最后一个点、最高点、最低点的坐标；

如，若p1=(1,2),pn=(4,5),最低点（2,1），最高点（3,6），则该矩形左下点的坐标为（1，1），右上点的坐标为（4,6）

2.然后，接下来的过几天再分享吧，有些紧急的事情不得不先去处理！

这篇关于Achieving Privacy-Preserving Discrete Fréchet Distance Range Queries，发表于IEEE TDSC，2022的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！