基于相对熵和K-means 的形状相似差分隐私轨迹保护机制
2021-03-09朱素霞刘抒伦孙广路
通信学报 2021年2期
关键词:用户
朱素霞,刘抒伦,孙广路
(哈尔滨理工大学计算机科学与技术学院,黑龙江 哈尔滨 150080)
1 引言
随着智能手机和5G 网络的普及,移动设备可以运行更复杂的程序,并以更快的速度、更低的时延传输信息,这为物联网的发展提供了坚实的基础。物联网中基于位置的服务(LBS,location-based service)[1-2]从仅应用于导航类软件,到逐渐应用于社交、游戏等产品,目前已应用于越来越多的领域。由于LBS 要求用户将位置数据提供给相应的服务提供商或第三方数据提供者,因此如何保护用户的位置隐私成为LBS 的主要关注点[3]。数据在向服务商提交的过程中涉及网络传输、数据采集等多重隐私泄露风险,用户的隐私信息可能会随着轨迹数据的发布而被泄露。轨迹隐私信息一旦暴露,用户将遭受的最大威胁便是敏感位置泄露,这可能导致攻击者获取用户的真实地理信息,并根据背景知识推测出用户地理轨迹,进一步获得兴趣爱好、行为习惯等重要用户隐私信息。文献[4]中记载了30 个基于位置应用中有15 个应用[5]泄露用户的位置信息给攻击者或分析服务器。文献[6]表明MySpace 有3.6 亿用户信息被泄露。文献[7]使用基于Twitter 社交网络应用数据分析了用户的敏感信息,如工作单位的具体位置等。因此,敏感位置信息的泄露可能会使用户处于不利的地位。
近几年,许多位置隐私保护机制被提出[8-9],用于解决LBS 或持续的位置共享,而差分隐私因其具有严谨的数学基础,并严格定义了攻击者的背景知识,在轨迹保护研究领域受到了广泛的关注。……
登录APP查看全文
