基于泛播式雾计算的位置隐私保护方案

针对基于位置服务带来的隐私泄露问题,设计了一种基于泛播式雾计算的隐私保护模型,提出了融合多种技术的位置隐私保护方案。由于传统的隐私护模型大多采用对云端数据进行加密的形式来保护隐私,这种模式使得云端承载了繁重的存储与计算负荷,而且一旦云端受到攻击,用户上传的位置数据极易遭到破坏,存在一定的安全隐患。在该方案中,由用户将数据上传至更为靠近用户的可信雾节点,经过雾服务器进行加密处理后再上传至云端,在这一过程中,不仅采用了k匿名算法来构造匿名区域,而且还融合了差分隐私与分层确定性钱包算法来提高其安全性能。实验结果表明,该方案在隐私预算误差、可用性及云端时效性方面性能良好,大大提高了用户位置数据的安全性。

基于网格密度的位置隐私保护系统设计与实现

基于位置服务(LBS)给人们生活带来巨大便利的同时,其对个人隐私的泄露风险不容忽视。首先讨论了位置服务中的隐私泄露途径及隐私保护模型,并着重介绍了位置k匿名思想;针对位置k匿名中对模糊匿名区域的寻找问题,提出基于网格密度模型的保护系统方案,利用网格结构简单、索引便捷的特点,可以迅速获知周围用户数目状态,找到覆盖临近k个用户的最小包含空间;此外,考虑若连续使用位置服务,即使每次请求均满足k匿名条件仍可能泄露大概的轨迹信息,提出动态假名算法,量化轨迹隐私泄露风险,将高风险用户的假名与临近用户的假名进行随机的交换,使得攻击者无法对其轨迹进行追踪。