背景
24年2月发过第一版投刊未知，没挂我名–24年8月投infocom（ccf a）—25年2月投
摘要
题目：空间众包中位置和价值混淆的隐私保护数据完成
目的：确保数据可用性（保护时空相关性），同时保护用户隐私（需要详细数据）
结构：预测模型从历史数据中提取（重要性矩阵）‘选位置’和（关系矩阵）‘调整数据’
介绍
时空数据的重要->空间众包->数据补全->隐私问题->传统的对位置直接的混淆->
挑战：如何处理随机中存在的更重要的信息（第一个挑战）->实际的值不一样，调整的动态性（第二个挑战）->保持混淆策略有效性的同时降低其复杂性(第三个)
解决方案：设计了一种基于线性规划的位置混淆策略，将原始位置重定向到更重要的位置。重要性矩阵，预测模型，补全的反馈，迭代。使用2临界图降低线性规划的复杂度
贡献：1.提出了一种用于空间众包的隐私保护数据完成框架 2.提出了一种基于差分隐私的混淆策略，获得重要性矩阵，简化约束，降低复杂度 3.设计了一种基于动态值调整的策略，预测模型反馈 4.五个数据集
相关工作
数据补全
当前：压缩感知，矩阵分解，基于深度学习
区域的选择：主动传感，强化学习选择位置
未来数据的预测：深度学习，时空transformer
位置隐私保护
差分隐私，降低先验知识的影响，但数据直接加噪会数据失真->
位置混淆 保护隐私和维护数据效用之间的权衡–例子：线性规划，地理不可区分性