[论文解读] Generative Models for Simulating Mobility Trajectories

Vaibhav Kulkarni, Nataša Tagasovska+2 more|arXiv (Cornell University)|Nov 30, 2018

Human Mobility and Location-Based Analysis参考文献 23被引用 10

一句话总结

本文评估了七种生成模型——RNN、GAN 和非参数邻接函数——在合成真实移动轨迹并保护隐私方面的表现。邻接函数在统计相似性（MMD = 0.01）和计算效率（6.5秒训练时间）方面优于所有其他模型，有效捕捉了长程依赖关系并最小化了隐私泄露。

ABSTRACT

Mobility datasets are fundamental for evaluating algorithms pertaining to geographic information systems and facilitating experimental reproducibility. But privacy implications restrict sharing such datasets, as even aggregated location-data is vulnerable to membership inference attacks. Current synthetic mobility dataset generators attempt to superficially match a priori modeled mobility characteristics which do not accurately reflect the real-world characteristics. Modeling human mobility to generate synthetic yet semantically and statistically realistic trajectories is therefore crucial for publishing trajectory datasets having satisfactory utility level while preserving user privacy. Specifically, long-range dependencies inherent to human mobility are challenging to capture with both discriminative and generative models. In this paper, we benchmark the performance of recurrent neural architectures (RNNs), generative adversarial networks (GANs) and nonparametric copulas to generate synthetic mobility traces. We evaluate the generated trajectories with respect to their geographic and semantic similarity, circadian rhythms, long-range dependencies, training and generation time. We also include two sample tests to assess statistical similarity between the observed and simulated distributions, and we analyze the privacy tradeoffs with respect to membership inference and location-sequence attacks.

研究动机与目标

• 为解决由于成员身份和位置序列推理攻击带来的隐私风险，而难以发布移动数据集的问题。
• 生成保留真实移动数据地理、语义和统计特性的合成轨迹。
• 在真实性、长程依赖建模、训练/生成效率和隐私泄露方面，评估生成模型的表现。
• 在合成轨迹生成中识别实用性和隐私之间的最佳权衡。
• 提供使用多种定量指标评估合成移动数据集的基准。

提出的方法

• 在真实世界移动数据集上训练七种生成模型——Char-RNN、RNN-LSTM、RHN、PSMM、SGAN、RGAN 和非参数邻接函数。
• 使用均值最大差异（MMD）定量评估真实轨迹分布与合成轨迹分布之间的统计相似性。
• 通过互信息衰减分析评估生成轨迹中的长程依赖关系。
• 进行两项隐私测试：位置序列攻击和成员身份推理攻击，使用位置隐私计数器和移动性计数器。
• 采用 Esteban 等人提出的时间序列对齐方法对时间序列数据进行对齐，以确保序列轨迹的 MMD 计算有效。
• 通过位置隐藏进行混淆处理，以评估合成数据集的隐私保护性能。

实验结果

研究问题

• RQ1 哪种生成模型能生成与真实世界数据统计相似性最高的合成移动轨迹？
• RQ2 不同模型在捕捉人类移动模式中固有的长程依赖关系方面表现如何？
• RQ3 在合成轨迹生成中，计算效率与真实感之间的权衡如何？
• RQ4 合成轨迹在多大程度上通过成员身份推理或位置序列攻击泄露隐私？
• RQ5 非参数邻接函数是否能在实用性和效率方面优于基于深度学习的模型，用于轨迹合成？

主要发现

• 邻接函数实现了最低的均值最大差异（MMD）值 0.01，表明其与真实数据的统计相似性最高，优于所有其他模型。
• 邻接函数仅需 6.5 秒的训练时间，显著优于基于神经网络的模型（例如，RNN-LSTM 和 RHN 分别需 10.3k–12.7k 秒）。
• SGAN 和 RGAN 在建模长程依赖关系方面表现强劲，表现为互信息衰减呈幂律分布，与真实数据相似。
• RNN-LSTM 和邻接函数也表现出幂律衰减，表明其有效捕捉了长程移动模式。
• 所有基于 GAN 的模型（SGAN、RGAN）和邻接函数在应用混淆处理后，成员身份推理攻击准确率接近随机猜测（0.5），表明隐私泄露极低。
• 由邻接函数和 SGAN 生成的样本轨迹遵循道路网络，并在兴趣点有合理的停留时间，视觉上与真实轨迹高度相似。