امروزه حجم انبوهی از داده های مسیر حرکت افراد و اجسام از طریق اتصال به اینترنت به طور پیوسته و جریانی تولید و ذخیره می شود. تجزیه و تحلیل واستخراج دانش از داده های مسیر به روز می تواند برای پشتیبانی برنامه های مختلف اشیاء درحال حرکت و تحلیل گران مفید باشد. از سوی دیگر به دلیل اینکه داده های مسیر دارای ابعاد بالایی است و در بسیاری موارد پس از گذر زمان ممکن است جذابیت و اعتبار خود را از دست بدهد بنابراین
انتشار داده های جریانی مسیر مورد توجه است اما،
انتشار داده های مسیر حرکت اجسام مخاطره آمیز است. در این مقاله برای حل این مشکل، راهکاری برای گمنام سازی داده های جریانی مسیر بر اساس مدل حریم خصوصی k- گمنامی و l- گوناگونی ارائه شده است. داده های مسیر درون پنجره های لغزان بصورت پویا بروزرسانی می شوند. برای مقابله با داده های با ابعاد بالا ترکیب زمان و مکان، و افزایش کارایی در روش پیشنهادی هر مسیر درون یک پنجره به یک رشته بیتی نگاشت می شود. سپس برای گروه بندی مسیرها یک الگوریتم حریصانه ارائه شده است که براساس معیار و شاخص تفاوت با سایر مسیرها که با استفاده از عملیات بیتی بر روی رشته های متناظر بدست می آید، مسیرها را در گروه هایی که نیازمندی های k- گمنامی و l- گوناگونی برآورده شده باشد، تقسیم می کند. و برای هر گروه یک مسیر برگزیده منتشر می شود. نتایج شبیه سازی نشان میدهد که روش پیشنهادی با برآورده کردن نیازمندی های حریم خصوصی به طور قابل توجهی زمان اجرا و اتلاف اطلاعات ناشی از گمنام سازی را در مقایسه با روش های موجود کاهش داده است.