このレポジトリは

位置情報のデータ，サンプルプログラム（匿名化・ID識別・トレース推定），シャッフル（仮名化），有用性・安全性評価アルゴリズムのコードを管理しています 詳しくは、PWSCUP Slackで！

実行

• python3.6以上の環境？であれば動きます
  • 必要なパッケージをpip install しましょう
  • Eval.bash, EvalAll.pyでサンプルプログラムを用いた匿名加工・ID識別・トレース推定ができます．詳細は以下のとおり．
  • Eval.bash: 大阪データセットの元トレース（チーム番号：001，データセット番号：01）に対して，以下の匿名加工・ID識別・トレース推定を行う．
    • 匿名加工アルゴリズム：A2-MRLH
    • ID識別アルゴリズム：I1-rand
    • トレース推定アルゴリズム：T1-rand
  • EvalAll.py: 大阪データセットの元トレース（チーム番号：001，データセット番号：01）に対して，以下の全匿名加工・全ID識別・全トレース推定アルゴリズムを走らせる（30分程度かかかるので注意）．
    • 匿名加工アルゴリズム：A1-none, A2-MRLH, A3-kRR, A4-PL, A5-YA
    • ID識別アルゴリズム：I1-rand, I2-VisitProb, I3-HomeProb
    • トレース推定アルゴリズム：T1-rand, T2-VisitProb, T3-HomeProb

pip install -r requirements.txt
bash Eval.bash
python EvalAll.py

構成

• README.md

  • このファイル

• Data/ 元データ

  • PeopleFlow/ 疑似人流データから抽出したデータセット
    • POI_TK.csv 東京のPOI情報（POI ID, 緯度，経度，カテゴリーなど）
    • POI_TK_readme.txt 東京のPOI情報の説明
    • regions_TK.csv 東京の領域情報（領域ID，縦軸ID，横軸ID，中心部の緯度，中心部の経度，病院フラグ）
    • traintraces_TK.csv 学習用トレース（サンプル）
    • testtraces_TK.csv 評価用トレース（サンプル）
  • PWSCup2019_Osaka/ PWSCup2019用人工データ（全チームに参考情報として公開予定の大阪データセット）
    • info_region.csv 大阪の領域情報（領域ID，縦軸ID，横軸ID，中心部の緯度，中心部の経度，病院フラグ）
    • info_time.csv 時刻情報（参照トレース/元トレース，時刻ID，日，時，分）
    • orgtraces_teamXXX_dataYY_ZZZ.csv チーム番号XXX，データセット番号YYの元トレース
    • reftraces_teamXXX_dataYY_ZZZ.csv チーム番号XXX，データセット番号YYの参照トレース
  • PWSCup2019_Tokyo_Preliminary/ 予備選における領域情報ファイルと時刻情報ファイル
    • info_region.csv 領域情報ファイル
    • info_time.csv 時刻情報ファイル

• Data_Anonymize/ 匿名加工データ（シャッフル前）

• Data_Anonymize_Shuffle/ 匿名加工データ（シャッフル後）

• Data_IDDisclose/ ID識別結果データ

• Data_TraceInfer/ トレース推定結果データ

• Prog_Eval/ 有用性・安全性評価プログラム

  • EvalSecI.py ID識別安全性評価プログラム
  • EvalSecT.py トレース推定安全性評価プログラム
  • EvalUtil.py 有用性評価プログラム

• Prog_Shuffle/ シャッフル（仮名化）プログラム

  • ShuffleIDs.py 指定したディレクトリ下の全匿名加工データに対して，ユーザIDをシャッフルするプログラム

• SmplProg_Anonymize/ 匿名加工サンプルプログラム

  • A1-none.py 評価用トレースをそのまま出力する（何もしない）
  • A2-MRLH.py MRLH (Merging Regions and Location Hiding) [Shokri+,S&P11]
  • A3-kRR.py k-RR (k-ary randomized response) [Kairouz+,ICML16]
  • A4-PL.py PL (Planaer Laplace mechanism) [Andres+,CCS13]
  • A5-YA.py Yamaoka anonymization (cheating anonymization)

• SmplProg_IDDisclose/ ID識別（ID-disclosure）サンプルプログラム

  • I1-rand.py ランダムなID識別
  • I2-VisitProb.py ユーザ毎の領域滞在分布を学習し，最も尤度の大きいユーザとしてID識別する
  • I3-HomeProb.py ユーザ毎の領域滞在分布を学習し，最も尤度の大きいユーザとしてID識別する（8時台のデータのみを使用）

• SmplProg_Track/ トレース推定（Trace Inference）サンプルプログラム

  • T1-rand.py ランダムなトレース推定
  • T2-VisitProb.py ユーザ毎の領域滞在分布を学習し，最も尤度の大きい領域としてID識別後，位置情報を推定する
  • T3-HomeProb.py ユーザ毎の領域滞在分布を学習し，最も尤度の大きい領域としてID識別後，位置情報を推定する（8時台のデータのみを使用）

• SmplResults/ サンプルプログラムの実験結果ファイル（EvalAll.pyを実行して得られたファイル）

  • results_team001_data01.csv EvalAll.pyを実行して得られたファイル
  • results_team001_data01.xlsx results_team001_data01.csvの結果を図にまとめたファイル

• Eval.bash 大阪の元トレース（チーム番号：001，データセット番号：01）に対して，匿名加工（A2-MRLH）・ID識別（I1-rand）・トレース推定（T1-rand）する．

• EvalAll.py 大阪の元トレース（チーム番号：001，データセット番号：01）に対して，全匿名加工・全ID識別・全トレース推定アルゴリズムを走らせる．