基于分解重構技術的LBS隱私保護方法.pdf

1、近年來，隨著移動互聯(lián)網(wǎng)的發(fā)展，基于位置服務(LBS)得到了廣泛的應用，LBS給人們的生活帶來了巨大的便利，但LBS中的隱私泄露問題也越顯突出，得到了學術界和產(chǎn)業(yè)界的廣泛關注。匿名是實現(xiàn)LBS隱私保護的有效方法，其思想是對用戶發(fā)出的LBS查詢進行一定的變換，使攻擊者無法推斷發(fā)出該請求用戶的位置，從而保護了用戶的位置隱私。本文從匿名化技術、匿名化模型、匿名化算法以及匿名質(zhì)量評估模型等方面，對LBS隱私保護問題進行了研究，主要工作包括:

2、>　　(1)將分解技術引入到LBS隱私保護領域，提出了面向LBS的分解重構匿名化技術?，F(xiàn)有的LBS匿名化技術主要采用時空偽裝技術，該技術計算負擔重，LBS響應延遲時間長，導致LBS服務質(zhì)量低。為此，本文通過對微數(shù)據(jù)隱私保護的分解技術進行研究，提出了分解重構的匿名化技術。該方法首先對接收到的LBS查詢集進行分組，形成滿足匿名模型的等價類，然后對每個等價類根據(jù)不同的策略進行分解和重構，生成新的匿名查詢集。
　　(2)針對用戶個性化的隱

3、私需求，提出了一系列匿名模型，并提出了基于分解重構技術的匿名模型的實現(xiàn)算法，并從安全性和服務質(zhì)量兩個角度提出了面向分解重構技術的匿名質(zhì)量評估模型，實驗表明了所提出的匿名化模型和匿名化算法的有效性。
　　(3)為抵制LBS中的排除性攻擊，提出了（k,l，α，β)-匿名模型。該模型在滿足位置多樣性和查詢多樣性的基礎上，可以有效控制匿名查詢集中無效查詢的比例，從而抵制了排除性攻擊。本文也提出了實現(xiàn)（k,l，α，β)-匿名模型的匿名化算法