王榕， 谢玮， 廖璇， 丰诗朵， 白琨鹏

(1.中国信息通信研究院 安全研究所 行业网络安全事业部，北京 100191； 2.中国科学院 软件研究所 可信计算与信息保障实验室，北京 100190)

现阶段配备GPS定位功能的智能设备已得到普及，这给人们的生活带来了巨大的便利[1]，但同时也带来了巨大的用户隐私泄露风险[2-3]。如通过分析用户的移动轨迹可以推断出用户的家庭地址[4]，也可以推断出用户过去、现在、将来的位置[5-6]以及他们的社交关系[7]。去匿名攻击(de-anonymization attack)[7-14]可以根据用户移动轨迹包含的移动模式信息有效地重识别匿名用户。但是根据当前研究来看，大多算法均通过着重考虑移动轨迹中的空间属性来进行用户去匿名攻击，忽略时间属性的作用。

本文定量分析了用户移动轨迹包含的空间属性和时间属性，定义了一种时空感知的用户隐马尔可夫模型(spatio-temporal user hidden Markov model，ST-UHMM)来描述用户的移动行为，进一步提出了基于ST-UHMM的去匿名攻击模型以及2种时空感知的相似度定义。为了评估本文模型的有效性，我们使用微软亚洲研究院(MicroSoft Research Asia，MSRA)采集的GeoLife[26]数据集进行实验。实验结果表明，相比已有方法，本文模型的重识别准确度有显著的提高。

用户移动轨迹中的空间属性在去匿名攻击中往往发挥着不可忽视的作用。De Mulder等[15]使用只能描述地理上相邻2个位置(GSM基站)ID描述GSM网络中用户的移动行为。Xiao等[16]通过定义SLH(semantic location histories)并计算SLH序列之间的相似度来重识别匿名用户。Zang等[17]把GSM网络中每个用户访问频率最高的n个位置作为一个准标识符(quasi-identifier，QI)来重识别匿名用户。……