移動互聯(lián)網(wǎng)和智能手機的普及大大方便了人們的生活，并由此產(chǎn)生了大量的軌跡數(shù)據(jù)。通過對發(fā)布的軌跡數(shù)據(jù)進行分析，能夠有效提高基于位置服務(wù)的質(zhì)量，進而推動智慧城市相關(guān)應(yīng)用的發(fā)展，例如智能交通管理、基礎(chǔ)設(shè)計規(guī)劃以及道路擁塞預(yù)警與檢測。然而，由于軌跡數(shù)據(jù)中包含用戶的敏感信息，直接發(fā)布原始的軌跡數(shù)據(jù)會對個人隱私造成嚴重威脅。差分隱私作為一種具備嚴格形式化定義、強隱私性保證的安全機制，已經(jīng)被廣泛應(yīng)用于軌跡數(shù)據(jù)的發(fā)布中。但是，現(xiàn)有的方法假定用戶具有相同的隱私偏好，并且為所有用戶提供相同級別的隱私保護，這會導(dǎo)致對某些用戶提供的隱私保護級別不足，而某些用戶則獲得過多的隱私保護。為滿足不同用戶的隱私保護需求，提高數(shù)據(jù)可用性，本文假設(shè)用戶具備不同的隱私需求，提出了一種面向軌跡數(shù)據(jù)的個性化差分隱私發(fā)布機制該機制利用 Hilbert曲線提取軌跡數(shù)據(jù)在各個時刻的分布特征，生成位置聚簇，使用抽樣機制和指數(shù)機制選擇各個位置聚簇的代表元，進而利用位置代襲元對原始軌跡數(shù)據(jù)進行泛化，從而生成待發(fā)布軌跡數(shù)據(jù)。在真實軌跡數(shù)據(jù)集上的實驗表明，與基于標準差分隱私的方法比本文提出的機制在隱私保護和數(shù)據(jù)可用性之間提供了更好的平衡。