轨迹数据,比如说用户的移动轨迹,在当前很多日常应用中都显得越来越重要。用户每天的移动轨迹,会被采集下来,发布出去可以供研究者进行数据挖掘等研究。然而,如果对这些原始轨迹数据直接进行发布,而不进行隐私保护的话,可能对用户的个人隐私造成严重的影响。例如,攻击者可以从发布出去的数据中分析出某个用户的行动规律,对用户的隐私安全甚至人身安全都造成了威胁。差分隐私,作为一个隐私安全性比较高的模型越来越受到研究者的欢迎。最近,部分研究者已经提出了使用差分隐私的模型来解决这个问题。但是,当前的算法需要对轨迹数据进行很强的假设,那就是轨迹数据必须包含大量的共同的坐标点,而这个假设在很多真实的场景中并不能够满足。比如因为轨迹其实是一个一个坐标点的集合,坐标点一般是较为精确的经纬度信息,因此对于用户来说,日常轨迹出现经纬度信息相同的概率也很小。本文重点在于可以突破这个限制,对任意类型的轨迹数据进行处理,并且提出了一个基于差分隐私的轨迹数据发布算法,对一般化后的轨迹进行处理。简单的说,本文的做法是首先一般化轨迹数据,比如说在每一个时间点将坐标数据合并起来。然而,如果仅仅进行简单的合并的话会破坏差分隐私的要求,因此本文中首次提出了满足差分隐私要求的轨迹一般化算法,通过一个精心设计的指数分布函数算法根据距离的远近按照一定的概率对轨迹上的坐标点进行合并。之后,在对轨迹进行一般化处理之后,本文提出了另外一个高效的轨迹数据发布算法,本文最后的实验结果显示,本文的算法可以保持数据的高实用性,同时可以应用于大规模轨迹数据的处理中。