معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A python package for implementing geo-indistinguishability privacy mechanisms

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	GeoPrivacy-0.0.4
نام	GeoPrivacy
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ao Qu
ایمیل نویسنده	ao.qu@vanderbilt.edu
آدرس صفحه اصلی	https://github.com/quao627/GeoPrivacy
آدرس اینترنتی	https://pypi.org/project/GeoPrivacy/
مجوز	MIT

# GeoPrivacy This is a python package for implementing geo-indistinguishability privacy mechanism. The methods can be applied to various location privacy tasks. So far, we implemented two privacy mechanisms for the sporadic case as described in the paper **[Geo-indistinguishability: A Principled Approach to Location Privacy](https://hal.inria.fr/hal-01114241/document)**. In the exemple notebook, we demonstrated the mechanisms using NYC taxi trip data for sporadic case. ## Installation Please run the following command in terminal to install the package and other dependencies. ``` $ pip install GeoPrivacy==0.0.4 ``` pip install GeoPrivacy==0.0.4 ## Example Usage To generate a random laplace noise and add it to a location: ```python from GeoPrivacy.mechanism import random_laplace_noise eps = 0.1 location = (3, 5) noise = random_laplace_noise(eps) new_location = location + noise ``` Given a list of representative locations and their corresponding weights, you can use the geo-indistinguishable mechanism of optimal utility as following: ```python from GeoPrivacy import mechanism, metrics x_list = [(1, 2), (3, 2), (4, 1)] pi_list = [3, 2, 5] dQ = metrics.euclidean epsilon = 0.5 p_matrix, pre_prob, post_prob = optql(x_list, pi_list, dQ, epsilon=0.5) ``` For more examples, please see **[example.ipynb](https://github.com/quao627/GeoPrivacy/blob/main/example.ipynb)**. Other information can be found in the docstring. ## Theory The planar laplace mechanism can be used to add laplace noise to any given 2d-coordinates. It's worth noting that polar coordinates are used to generate random laplace noise. In order to randomly draw r, we use the inverse CDF of r which is <img src="https://render.githubusercontent.com/render/math?math=C_{\epsilon}(r) = \int_{0}^{r} D_{\epsilon, R} (\rho) d\rho = 1 - (1 + \epsilon r)e^{-\epsilon r}"> as calculated in https://hal.inria.fr/hal-01114241/file/paper.pdf. The optimal utility mechanism divides the region of interest into subregions and builds a linear program using representative points chosen from each subregion. Then, by solving the linear program, a stochastic transition matrix is obtained which can be used to transform any other data from the same region. The linear program takes the following form: ![img](./Data/opt.png)

نیازمندی

مقدار	نام
-	geopy
-	numpy
-	networkx
-	gurobipy
-	scipy

نحوه نصب

نصب پکیج whl GeoPrivacy-0.0.4:

pip install GeoPrivacy-0.0.4.whl

نصب پکیج tar.gz GeoPrivacy-0.0.4:

pip install GeoPrivacy-0.0.4.tar.gz