面向实时位置的隐私保护优化与加速求解算法

现有的电动汽车API平台(如SmartCar)使用访问控制机制来保护用户的隐私.为了在启用不可信位置服务功能的同时保护位置隐私,位置隐私保护机制(LPPM)根据用户的真实位置生成一个随机的伪位置作为报告位置.现有技术通过在离散网格上解决一个最优化问题构建一个最佳的LPPM,该最佳LPPM实现了在最低可容忍效用限制下的最高隐私,反之亦然.然而,它们很难直接应用于电动汽车等实时场景,因为生成最佳LPPM所需的运行时间太长(可能需要数天).另一个问题涉及构建出的LPPMs的最佳性.揭示了一些意外情况(异常),即在粒度更高的细网格上构建的最佳LPPM效用比在粒度较低的粗网格上差.引入了粒度独立性作为有效解决方法,提出了一个名为Divide-and-Coin的最佳LPPM,其可以实时执行.Divide-and-Coin将生成最佳报告位置的运行时间从至少O(n^(2.055))缩短到O(log n),其中n是报告位置的数量.实验结果显示,Divide-and-Coin可以在1s内从城市级区域生成建筑级别的最佳报告位置.

基于轨迹扰动和路网匹配的位置隐私保护算法

针对现有扰动机制未考虑位置点语义关系导致数据可用性较低的问题,提出一种基于差分隐私(DP)的轨迹位置隐私保护机制(DP-TLPM)。首先,DP-TLPM利用滑动窗口提取轨迹停留点生成模糊区域,再利用指数机制和拉普拉斯机制对该区域进行采样;其次,为了消除采样点中可能存在的无语义位置点,提出一种路网匹配算法,对轨迹分段并利用误差椭圆匹配(EEM)进行迭代匹配;最后,根据匹配后的位置点形成扰动轨迹,由用户端将扰动轨迹发送至服务器。实验以混淆质量和均方根误差(RMSE)为评价标准对该机制进行综合评测。与GeoInd算法相比,DP-TLPM的数据质量损失降低了24%,轨迹的混淆质量提高了52%,从隐私保护强度和数据质量两方面验证了该算法的有效性。

基于区块链的协作式位置隐私保护机制

传统协作式位置隐私保护方案大多假设在协作组构造过程中用户是诚实可信.然而现实环境下,用户协作过程中存在自利(如:请求用户泄露协作用户的真实位置给不诚信实体)或者欺骗(如:协作用户提供虚假位置导致服务提供商能够识别出请求用户的真实位置)行为,从而带来用户位置隐私信息泄露等问题,严重威胁用户的生命财产安全.区块链作为一种分布式的存储框架,存在以下优点:可追溯性、透明公开及不可篡改等,正因为如此,本文提出基于区块链的用户协作式位置隐私保护方案.考虑群组内用户通过协作转发和空间伪装保护位置隐私需求的场景.本文首先基于博弈理论分析协作过程中请求发起者与协作者的行为;其次,构建信誉机制将用户行为与收益结合;再次,利用区块链记录用户间的转发行为及信誉值并以此作为证据,惩罚有恶意行为的用户,使其作为请求发起者时不能得到其他用户的协作来约束用户的自利性.最后,设计奖励激励机制,保证用户的诚实转发行为,形成互利且公平的生态.安全分析表明,所提出的方案能够有效阻止用户的恶意行为,促进群组内用户的诚信合作.此外,通过与基准方案相比较,本方案位置隐私泄露概率降低了50%,具有较好的隐私保护效果.

基于位置服务的隐私保护机制度量研究综述

如何度量隐私保护机制的隐私水平和对服务质量的影响是当前位置服务隐私保护中的一个重要课题。对位置服务中隐私保护机制度量的研究现状和进展进行了阐述,介绍了位置服务中隐私保护机制度量的研究背景,归纳总结了位置服务中的隐私信息、攻击模型和隐私度量方法及其评价指标,给出了基于位置服务的隐私保护机制度量框架,并提出了未来需要深入研究的方向。

保护位置隐私的效用优化本地差分隐私机制

移动设备收集用户的地理位置数据用以提供个性化服务,同时也会产生数据泄露的潜在风险。现有地理位置差分隐私保护机制对于不同地理位置隐私保护级别等同对待,效用优化本地差分隐私(ULDP)考虑了对数据加以不同级别的隐私保护,但仅适用于类别型数据的频率估计,在地理位置隐私保护方面没有应用。考虑ULDP机制下的地理位置保护方案,将平方机制进行改造,提出效用优化的平方机制(USM)。该机制对于敏感地理位置满足本地差分隐私,对于非敏感地理位置不作安全性要求以提高整体效用。选取2种不同的真实地理位置数据集,在隐私预算相同的条件下将USM与平方机制进行对比实验,理论分析和实验结果表明USM在效用方面有显著提升。本文同时还展望了本机制进一步优化的可能方向。

基于用户网格和两级缓存的LBS位置隐私保护方案

提出了一种采用用户网格和两级缓存技术相结合的方案,该方法采用基于第三方可信服务器的体系结构,在用户提交服务查询请求时,将用户的真实位置以正方形网格区域代替并发送给匿名服务器;在匿名服务器中,将地理空间以最小匿名区域为大小的固定网格划分以提高缓存利用率,同时使用四叉树存储固定网格区域,加快k-匿名区域的生成速度;在移动终端和第三方可信服务器中同时引入缓存机制,减少用户与第三方可信服务器以及位置服务提供商之间的交互次数,有效提高了查询响应速度与用户隐私保护程度。

基于高效信息缓存的位置隐私保护方案

随着移动互联网的高速发展与智能终端的迅速普及,基于位置的服务(LBS,location-based service)已在导航、社交等领域得到广泛应用。但由于个人位置信息的敏感性,移动对象位置相关的数据隐私保护已经成为LBS中的研究热点。综合考虑用户所处区域背景信息的开放性特征,引入信息缓存机制,提出一种虚假位置选择算法,有效减少用户与不可信服务器间的交互次数,并结合k-匿名技术实现了用户位置信息的高效隐私保护。相对于现有技术,该方案不依赖任何可信第三方,可实现抵御拥有背景信息攻击者的推理攻击。实验结果证明了所提方案的有效性和高效性。

VANET中位置路由协议的安全和隐私保护

在车载AdHoc网络中,对地理位置路由的研究往往忽略安全和隐私保护问题,造成用户隐私受侵害,路由安全受威胁。该文通过笔名机制隐藏节点真实身份,保护节点位置隐私,采用群签名对消息进行认证,防止恶意节点破坏路由。分析表明,该方案在保护节点位置隐私的同时能有效抵御篡改、伪造和重放等多种攻击。

基于博弈论与区块链融合的k-匿名位置隐私保护方案

基于移动用户的位置服务中,通常采用位置k-匿名技术保护用户的隐私安全性。然而,用户协作构建k-匿名组中难以保证请求用户和协作用户的诚信合作行为。针对以上问题,首先基于完全信息静态博弈理论分析请求用户和诚信用户的行为策略,计算请求用户的诚信阈值,协作用户根据请求阈值与协同阈值的比较决定是否参与匿名组构建;其次,构建信誉机制将用户的近期表现与收益结合,约束参与匿名组构建的请求用户及协作用户的不诚信行为;最后,使用区块链存储博弈过程和协作用户的位置信息,当发现请求用户和协作用户的不诚信行为时,对不诚信的用户进行信誉值和收益降低的处罚。安全分析表明,该方案能有效保护用户的位置隐私,促进请求用户与协作用户的诚信合作,同时激励更多的人参与匿名组的构建。

对等通信辅助下抗攻击的位置隐私保护方法

针对目前位置隐私保护方法的不足,提出一种对等通信辅助下可抗攻击的位置隐私保护方法。该方法使用多用户协作构建匿名组代替匿名区域,保证位置k-匿名;将速度引入匿名组的构建,使组内用户不局限于周边;让组内用户保持模糊的连通,以此抵御一般恶意攻击;通过缓存机制增加匿名组的可重用性,以此抵御连续查询攻击,并减少开销。实验结果表明,该方法可以达到位置k-匿名,匿名成功率较高,能够抵御一般恶意攻击和连续查询攻击,且可减少系统开销。

基于区间区域的位置隐私保护方法

现有的k-匿名位置隐私保护机制通过检索历史请求记录来构造匿名位置集,而检索需要花销大量的时间。针对这一问题,运用Geohash编码快速检索的优越性,提出了基于区间区域的位置隐私保护方法。将用户的真实位置泛化到区间区域中,根据Geohash编码原理来检索相同编码的位置作为候选位置集,再根据用户的隐私需求,为用户提供个性化的k-匿名隐私保护服务。仿真实验表明,在相同大小的检索范围内,该方法不仅可以快速地进行匿名处理,还能够给用户提供更加高效安全的位置服务。

差分隐私模糊聚类位置保护方法

针对现有差分隐私聚类位置保护方法存在初始值敏感、离散数据不适用、误差较大的问题,文中提出了一种差分隐私模糊聚类位置保护方法。首先,通过高斯核函数将点映射到特征空间,由于核函数计算量相对较小,计算效率有了显著提升;然后,将差分隐私与改进的模糊C均值聚类算法相结合,使得每一组输入数据不再仅隶属于某一特定的类,而是以隶属程度来表现;最后,文中将满足差分隐私约束的拉普拉斯噪声添加到聚类集合的质心点中,得到每个点的扰动位置,并使用扰动位置进行查询。实验结果表明,在保障位置隐私安全的前提下,差分隐私模糊聚类位置保护方法降低了查询误差,提升了算法效率。

无线传感器网络中源位置隐私保护研究综述

对无线传感器网络源位置隐私保护方案中抵御局部攻击者攻击的研究现状进行了综述。首先介绍了在无线传感器网络源位置隐私保护中的网络模型和局部攻击者模型,按照随机游走机制、幻影路由机制、多路径和动态路由机制与环路机制这四种策略对现有研究成果进行了分类。并对未来研究方向进行了展望。1.引言无线传感器网络的应用越来越广泛。

基于位置的服务中位置隐私保护技术分析

基于位置的服务(location-based service,LBS)在给人们提供个性化和即时信息检索的同时,也带来了隐私泄露的风险。如何对LBS中的隐私保护是一个值得研究的课题,这一问题引发了学者们的高度关注并提出了许多解决方案。基于此,将对现有的位置隐私保护机制进行总结和分析。首先介绍LBS中位置隐私保护的系统架构模型,然后对现有位置隐私保护机制进行分类和阐述,最后根据LBS中位置隐私机制研究的最新进展,讨论了几个有待解决的问题和研究挑战。

LBS中基于分布式K匿名的位置隐私保护方法分析

基于位置的服务(location based service,LBS)日益流行,也给用户的位置隐私带来了新的困难和挑战。因而与位置隐私保护的相关研究也在不断深入,分布式K匿名方法因其计算开销低、查询结果准确,使得其被广泛应用于位置隐私保护中。基于此,对现有的分布式K匿名位置隐私保护方法进行了总结与分析,首先简单介绍了LBS位置隐私保护系统架构,然后对现有的分布式K匿名位置隐私保护方法分成基于分布式K匿名的匿名区域构造方法、基于分布式K匿名的信任评估方法和基于分布式K匿名的激励机制等三个方面,最后对相关研究进行详细论述,表明了今后可能的研究方向。

位置服务中的查询隐私度量框架研究

针对查询隐私度量机制存在过高评价用户隐私保护水平的问题,提出一个泛化的查询隐私度量框架。该框架将影响用户查询隐私的各种因素放在一起统一考虑,形式化定义用户、攻击者、隐私保护机制和隐私度量指标,提供了一种融合攻击者背景知识和推理能力的系统的隐私度量方法,可在相同条件下正确度量多种查询隐私保护机制的有效性,帮助用户选取合适的隐私需求以获得隐私保护和服务质量之间的平衡。在由Thomas Brinkhoff路网数据生成器生成的数据集上进行的模拟实验验证了该框架的有效性和准确性。

基于用户感兴趣区域的地理不可区分性的位置扰动算法

随着物联网(IoT)技术的快速发展,针对个人位置隐私泄露的问题,提出了一种基于用户感兴趣区域的地理不可区分性(GROI)的位置扰动算法。首先,添加服从平面拉普拉斯分布的随机噪声到用户的真实位置上;然后,通过离散化操作得到近似位置;再次,根据给定的感兴趣区域(ROI)对查询结果进行清洗,在保证机制可用性程度不变的情况下,进一步减小查询误差;最后,在谷歌地图查询上进行了实验验证,与地理不可区分性位置隐私保护算法相比,设计的扰动算法能够在6.0 km的检索范围内,将查询结果的平均误差降低了至少2%,在隐私保护水平不低于地理不可区分性算法的前提下,所提算法的查询结果的准确性优于地理不可区分性算法,尤其针对近距离检索,该算法能够减小查询误差。