My Board

重新识别过程关键在于提取和利用数据中的“可区分特征”，这些特征往往分布在多个维度：

时间特征
如用户行为的时间戳、登录时间、消费时间等，即使模糊化处理，也能通过时间序列分析进行还原。

空间特征
包括GPS轨迹、Wi-Fi定位、基站切换等地理位置信息，通过聚类分析和路径匹配精确定位个人活动范围。

社交特征
关联用户的通讯录、社交关系网、互动频率和模式，这些构成了“社交图谱”，非常适合图神经网络（GNN）建模。

设备特征
设备指纹（如MAC地址、IMEI）、设备使用习惯等特征也是识别的重要维度。

通过将这些多维特征融合，研究人员和攻击者可以构建“身份图谱”（Identity Graph），实现对匿名数据的有效逆向匹配。

十九、深度案例分析：Strava军营暴露事件复盘
2018年，健身追踪应用Strava发布全球用户活动热力图，意外暴露了数百个军事基地和秘密设施的位置。事件背后揭示了匿名数据存在的巨大安全风险：

事件经过
Strava通过聚合和匿名化处 線上商店 理用户GPS数据，公开发布全球范围内运动轨迹热力图，初衷是展现运动热点。

匿名破绽
军事人员使用应用记录训练路径，这些轨迹形成了鲜明的地理模式和时间分布，极易通过已知基地位置进行匹配。

安全影响
这导致某些军事设施位置和活动模式暴露，成为国家安全的隐患。

反思与启示
匿名数据如果不考虑特殊敏感区域的保护，极易被“重识别”，需要差分隐私或区域屏蔽等额外保护措施。