边缘计算环境下仓库物流数据差分隐私保护方法研究
摘要
随着仓库物流系统向智能化、实时化方向发展，海量物流数据在边缘节点采集、处理与传输过程中的隐私泄露风险日益突出。传统的中心化隐私保护方案难以适应边缘计算环境下资源受限、分布式部署的特点。本文提出一种面向边缘计算环境的仓库物流数据差分隐私保护框架，该框架采用自适应隐私预算分配机制，根据数据敏感度和边缘节点资源状态动态调整噪声添加策略；设计基于本地差分隐私的位置扰动算法，在保障轨迹数据可用性的前提下实现强隐私保护；通过边缘-云协同架构实现隐私保护与计算效率的平衡。实验结果表明，该方法在隐私预算ε=0.1时仍能保持85%以上的查询精度，相比传统方案降低边缘节点计算负载约40%，为边缘计算环境下的物流数据隐私保护提供了有效解决方案。
关键词：边缘计算；差分隐私；仓库物流；数据保护；本地差分隐私
一、引言
1.1 研究背景与意义
边缘计算作为云计算的重要延伸，将计算能力下沉至靠近数据源的网络边缘，为仓库物流系统提供了低延迟、高带宽的处理能力。在现代化仓库中，AGV路径数据、货物位置追踪、实时库存信息等物流数据呈现出爆发式增长——一个中型智能仓库每日可产生数百万条位置更新记录。然而，这种分布式架构也带来了严峻的隐私挑战：数据在边缘节点采集、暂存、传输的各个环节都可能成为攻击入口，一旦敏感物流信息泄露，将导致供应链暴露、商业机密外泄等严重后果。
传统的隐私保护方法如数据加密、访问控制等，在边缘计算环境中面临适配困境：全量加密会大幅消
