一种基于多元数据的假位置筛选算法
2021-02-24张鸿刚刘茜萍
南京邮电大学学报(自然科学版) 2021年6期
张 琳,张鸿刚,刘茜萍
1.南京邮电大学计算机学院、软件学院、网络空间安全学院,江苏 南京 210023
2.南京邮电大学江苏省无线传感网高技术研究重点实验室,江苏 南京 210023
随着智能手机,平板电脑和其他物联网(Internet of Things,IoT)设备的激增,基于位置的服务(Location⁃Based Services,LBS) 已变得越来越流行,并开始改变使用互联网的方式,在社会生活中发挥着极其重要的作用。
然而,LBS为用户提供便利的同时也带来了隐私泄露的风险,用户获取LBS服务后,需要提交位置信息。通过收集用户的位置信息,攻击者可以用获取到的用户位置数据来跟踪用户的移动,或者进一步推知出用户的工作场所、家庭住址、社会关系、身体状况和爱好等私人信息,将其卖给第三方以获取经济利益[1]。
因此,用户在使用LBS时必须保护其位置隐私。近年来,世界各地的研究人员已经提出了许多解决位置隐私保护问题的技术,例如位置扰动和混淆[2-3]、区域匿名[4-6]和假位置[7]。 较为常用的区域匿名技术将一块包含k个用户的匿名区域发送给LBS服务器,使得识别真实用户的概率降低到1/k,然而,这种方法过于依赖可信第三方(Trusted Third Party,TTP),容易造成单点故障,而且大量查询信息也会造成性能瓶颈。而假位置技术则没有这些限制和问题,该技术依赖客户端生成额外的假位置来隐匿用户真实位置,实现了位置匿名,因此很好地弥补了空间匿名技术的各种不足。而现有研究中基于假位置的隐私保护技术在选择假位置时,或者没有充分考虑到背景知识等辅助信息,或者只能工作在特定的环境下,不具备一般通用性,用户的位置隐私也因此很难得到预期的隐私保护效果。……
登录APP查看全文
