The invention discloses a prediction-based privacy protection method, which mainly solves the problem of user privacy leakage in the prior art. The technical scheme is as follows: query initiator classifies the query area and sends out cooperative group-building request; other users who receive the request and are willing to participate in the cooperation reply information to the query initiator; query initiator filters, predicts and collates the reply information according to the current query times and privacy protection requirements, and forms a whole. Aggregated query sets or final aggregated query sets are sent to the location server; when the location server receives the information, it looks up the database and forms a candidate result set to return to each collaboration user; each collaboration user filters out the query results they need and stores them in the cache. The invention realizes the privacy protection of location k_anonymity and query content L_diversity, improves the accuracy and availability of prediction information, and can resist both location Association attack and trajectory attack, and can be used in various continuous query location services.
【技术实现步骤摘要】
基于预测的隐私保护方法
本专利技术属于无线网络安全领域，特别涉及一种隐私保护方法，可用于各种连续查询位置服务中。
技术介绍
位置服务LBS，又称定位服务，其是由移动通信网络和卫星定位系统结合在一起提供的一种增值业务，通过一组定位技术获得移动终端的位置信息，如经纬度坐标数据，并将此位置信息提供给移动用户本人、其他人或者通信系统，来实现各种与位置相关的业务。位置服务可以被应用于不同的领域，与此同时，在移动互联网大发展的趋势下，各类应用也在蓬勃发展。尤其，随着定位技术的快速发展，使得嵌入了位置服务LBS功能的应用得到了广泛的普及，给人们的生活带来了极大的便利。但LBS服务需要获知用户精确的位置信息，其对用户的隐私造成了极大的威胁。所以，在保证用户服务质量的同时，如何有效的保护用户的隐私信息是LBS服务目前所面临的巨大挑战。特别地，由于连续查询场景下用户位置信息之间的时空关联性，其隐私信息更容易泄露，其常常遭遇两种攻击——连续查询攻击和轨迹攻击。为了抵御这两种攻击，学者们提出了许多解决方法:第一种方法是：传统的k-匿名方案k-anonymity。该方案主要用于单点查询中。将该方案直接用于连续查询场景时，其主要存在三个问题：第一，虽然连续查询每个查询位置点都满足k-匿名的要求，但由于连续查询的匿名位置集具有时空联系，导致即使查询的各个时刻都进行了k匿名保护，但其仍易遭受位置关联攻击也叫连续查询攻击，即攻击者将若干个位置集合取交集，就可以很容易的得到或以很大的概率猜测真实查询用户，其过程如图3所示，包括三个图，其中图3(a)表示查询发起者U在ti-1时刻所形成的匿名区...
【技术保护点】
1.一种基于预测的隐私保护方法，包括：(1)建立一个由若干移动用户和位置服务器构成的隐私保护框架；(2)由手机生产厂商为每部手机安装一个缓存装置，用于用户在查询过程中对有用信息的存储；(3)查询发起者根据通信距离长短、人口密度大小和时间段的不同，将整个查询大区域划分为当前流行区域CP和当前普通区域CO；(4)查询发起者发出协作请求，并将其广播给通信范围之内的其他用户；(5)收到该协作请求信息的用户，将自己当前区域类型与查询发起者的进行对比：若当前区域类型与查询发起者的区域类型一致或者他们所在区域的中心位置坐标之间的距离在阈值τ∈[0,50]的范围内，则同意该协作建群请求，并将自己的相关信息发送给查询发起者；否则，拒绝该协作建群请求，且不发送自己的任何信息给查询发起者；(6)当查询发起者收到至少k‑1个用户的回复信息时，查询发起者再利用FFLQ算法对回复信息中的位置信息和查询内容进行筛选，与满足条件的k‑1个用户建立协作关系，并获得k‑1个协作用户的信息，k∈[4,14]；(7)查询发起者将这k‑1个协作用户的信息和自己的真实查询信息一起进行整理，形成聚集查询集合AQ；(8)查询发起者根...
【技术特征摘要】
1.一种基于预测的隐私保护方法，包括：(1)建立一个由若干移动用户和位置服务器构成的隐私保护框架；(2)由手机生产厂商为每部手机安装一个缓存装置，用于用户在查询过程中对有用信息的存储；(3)查询发起者根据通信距离长短、人口密度大小和时间段的不同，将整个查询大区域划分为当前流行区域CP和当前普通区域CO；(4)查询发起者发出协作请求，并将其广播给通信范围之内的其他用户；(5)收到该协作请求信息的用户，将自己当前区域类型与查询发起者的进行对比：若当前区域类型与查询发起者的区域类型一致或者他们所在区域的中心位置坐标之间的距离在阈值τ∈[0,50]的范围内，则同意该协作建群请求，并将自己的相关信息发送给查询发起者；否则，拒绝该协作建群请求，且不发送自己的任何信息给查询发起者；(6)当查询发起者收到至少k-1个用户的回复信息时，查询发起者再利用FFLQ算法对回复信息中的位置信息和查询内容进行筛选，与满足条件的k-1个用户建立协作关系，并获得k-1个协作用户的信息，k∈[4,14]；(7)查询发起者将这k-1个协作用户的信息和自己的真实查询信息一起进行整理，形成聚集查询集合AQ；(8)查询发起者根据当前协作请求次数的不同，对聚集查询集合AQ进行相应的处理：若协作请求次数为1，则查询发起者直接将形成的聚集查询集合AQ发送给位置服务器LBS-S，执行步骤(11)；否则，查询发起者舍弃该聚集查询集合AQ，并利用CVCG算法判断该已构建好的用户协作群是否依然有效；若有效，则执行步骤(9)，若无效，则执行步骤(10)；(9)查询发起者直接利用DFCPPS算法对各个协作用户当前时刻的信息进行预测，并利用SFLQ算法对预测信息进行筛选，对筛选后的信息进行任意选择，整理形成一个最终聚集查询集合FAQ发送给位置服务器LBS-S，执行步骤(11)；(10)查询发起者根据已构建协作群中仍可继续用于协作查询的用户数目多少，选择不同的算法重新构建用户协作群，并对建立的用户协作群中的用户信息筛选后，再结合自己的真实信息一起整理，形成一个最终聚集查询集合FAQ发送给位置服务器LBS-S，执行步骤(11)；(11)位置服务器收到聚集查询集合AQ或者最终聚集查询集合FAQ后，查找自己的数据库，形成候选结果集CRS，并返回给各个协作用户；收到此候选结果集CRS的各个协作用户，根据自己的真实信息，筛选出自己所需的查询结果，并将其记录在缓存器中。2.根据权利要求1所述的方法，其中步骤(3)中查询发起者根据通信距离长短、人口密度大小和时间段的不同，将整个查询大区域划分为当前流行区域CP和当前普通区域CO，按如下步骤进行：3a)查询发起者根据通信距离长短将整个查询大区域划分为若干不规则小区域，表示为：R＝{r1,r2,...,rn,...}，其中R指整个大的查询区域，rn指第n个小的不规则区域，n≥1；3b)查询发起者根据当前时间段和区域中当前人口密度大小将所划分的小区域再划分为当前流行区域CP和当前普通区域CO两类，其中，当前流行区域CP是指在当前时间段内人口密度≥50；当前普通区域CO是指在当前时间段内人口密度≤5。3.根据权利要求1所述的方法，其中步骤(6)中利用FFLQ算法对回复信息中的位置信息和查询内容进行筛选，按如下步骤进行：6a)将查询发起者U自己的信息UQU和收到第I个协作用户的信息UQI分别表示如下：UQU＝{UIDcU,(xcU,ycU),LCcU,QCcU,qccU,TscU,TecU,VcU,(x0U,y0U)c}；UQI＝{UIDcI,(xcI,ycI),LCcI,QCcI,qccI,TscI,TecI,VcI,(x0I,y0I)c}；其中，UIDcU表示查询发起者U当前时刻的真实身份信息；UIDcI表示第I个协作用户当前时刻的真实身份信息,I≥1；(xcI,ycI)表示第I个协作用户当前时刻的位置信息；(xcU,ycU)表示查询发起者U当前时刻的位置信息；LCcI表示第I个协作用户当前时刻位置分类；LCcU表示查询发起者U当前时刻位置分类；QCcI表示第I个协作用户当前时刻的查询分类；QCcU表示查询发起者U当前时刻的查询分类；qccI表示第I个协作用户当前时刻的具体查询内容；qccU表示查询发起者U当前时刻的具体查询内容；TscI表示第I个协作用户当前时刻的查询开始时间；TscU表示查询发起者U当前时刻的查询开始时间；TecI表示第I个协作用户当前时刻的查询截止时间；TecU表示查询发起者U当前时刻的查询截止时间；VcI表示第I个协作用户当前时刻的查询速度；VcU表示查询发起者U当前时刻的查询速度；(x0I,y0I)c表示第I个协作用户当前所在区域的几何中心坐标；(x0U,y0U)c表示查询发起者U当前所在区域的几何中心坐标；6b)查询发起者设置如下4个筛选条件：(x0I,y0I)c＝(x0U,y0U)c±τ，表示第I个协作用户当前所在区域的几何中心坐标(x0I,y0I)c应在查询发起者U当前所在区域的几何中心坐标(x0U,y0U)c附近，其中τ∈[0,50](m)；TecI≥TecU，表示第I个协作用户当前时刻的查询截止时间TecI应大于等于查询发起者U当前时刻的查询截止时间TecU；VcI＝VcU±μ，表示第I个协作用户当前时刻的速度VcI应与查询发起者U当前时刻的速度VcU相当，其中μ∈[0,0.5](m/s)；ΔθcI＝ΔθcU±ξ，表示第I个协作用户当前时刻的运动趋势ΔθcI应接近查询发起者U当前时刻的运动趋势ΔθcU，其中ξ∈[0°,10°]；其中表示第I个协作用户当前的运动方向与x轴的夹角，表示查询发起者U当前的运动方向与x轴的夹角；6c)查询发起者首先设定q为满足四个设置条件的协作用户个数，且将其初始值置为0，再根据设置的四个条件对第I个协作用户信息UQI中第I个协作用户当前所在区域的几何中心坐标(x0I,y0I)c、第I个协作用户当前时刻的查询截止时间TecI、第I个协作用户当前时刻的查询速度VcI和第I个协作用户当前时刻的位置信息(xcI,ycI)进行筛选，每筛选通过一个，q的值便增加1，最终将满足条件的协作用户信息存储在一个准用户集合WUS中并记录q的最终值；6d)查询发起者首先设定p为准用户集WUS中所有协作用户查询分类个数，且将其初始值置为0，然后检索整个准用户集合WUS，当QCI≠QCU且QCI≠QCK时，p的值便增加1，记录p的最终值，其中QCK是指第K个协作用户当前的查询分类，K≥1且I≠K；6e)当p≥L且q≥k-1时，查询发起者在WUS中任选k-1个协作用户信息存入一个一次过滤用户集合FFUS中，其中L表示查询分类的个数，k表示参与本次协作的用户总数。4.根据权利要求1所述的方法，其中步骤(7)中查询发起者将这k-1个协作用户的信息和自己的真实查询信息一起进行整理，形成聚集查询集合AQ，按如下步骤进行：7a)查询发起者收集一次过滤用户集合的FFUS中的k-1个协作用户信息MFFUS和自己的信息UMU：UMU＝{UIDcU,(xcU,ycU),QCcU,qccU,TeU}，其中UIDci表示第i个查询用户当前时刻的真实身份信息,1≤i≤k-1；UIDcU表示查询发起者U当前时刻的真实身份信息；(xci,yci)表示第i个协作用户当前时刻的位置信息；(xcU,ycU)表示查询发起者U当前时刻的位置信息；QCci表示第i个协作用户当前时刻的查询分类；QCcU表示查询发起者U当前时刻的查询分类；qcci表示第i个协作用户当前时刻的具体查询内容；qccU表示查询发起者U当前时刻的具体查询内容；Tei表示第i个协作用户的查询截止时间；TeU表示查询发起者U的查询截止时间；7b)查询发起者整理MFFUS信息和UMU信息，并存入一个聚集查询集合AQ中，即：其中UIDL表示协作用户身份信息列表，其形式为：UIDL＝{ID1,ID2,...,IDi,...,IDk-1,IDU}＝{UIDc1,UIDc2,...,UIDci,...,UIDck-1,UIDcU}；UQCL表示协作用户查询内容列表，其形式为：IDi表示第i个协作用户的最终身份信息；IDU表示查询发起者U的最终身份信息。5.根据权利要求1所述的方法，其中步骤(8)中利用CVCG算法判断该已构建好的用户协作群是否依然有效，按如下步骤进行：8a)查询发起者根据上一时刻形成的聚集查询集合AQL或最终用户聚集查询集合FAQL中协作用户的身份信息，发出发送当前时刻所在区域的几何中心坐标的通知，收到该通知的各个协作用户将自己当前时刻所在区域的几何中心坐标发送给该查询发起者；8b)查询发起者收到各个协作用户当前所在区域的几何中心坐标{(x01,y01)c,(x02,y02)c,...,(x0i,y0i)c,...,(x0k-1,y0k-1)c}后，设定M为仍可用于协作的用户个数且其初始值置为0，当(x0i,y0i)c＝(x0U,y0U)c±τ,τ∈[0,50](m)时，M的值便会增加1，其中(x0i,y0i)c表示第i个协作用户当前所在区域的几何中心坐标，(x0U,y0U)c表示查询发起者U当前所在区域的几何中心坐标；8c)根据M的值判断是否有效：若M＝k-1，则表明已构建好的用户协作群仍有效，否则，表明已构建好的用户协作群无效。6.根据权利要求1所述的方法，其中步骤(9)中查询发起者直接利用DFCPPS算法对各个协作用户当前时刻的信息进行预测，按如下步骤进行：9a)将查询发起者收集所有协作用户上一时刻的信息UQL、自己当前时刻的查询信息UQcU和缓存数据CD分别表示如下：UQcU＝{UIDcU,(xLU,yLU),(xcU,ycU),QCcU,qccU,TscU,TecU,VcU,(x0U,y0U)c}，CD＝{LRI,PRI,BGI}＝{{LSL,ListsL},{LSC,QCS,qcS,ListsC},ListWL}，其中UIDLi表示第i个协作用户上一时刻的真实身份信息；UIDcU表示查询发起者U当前时刻的真实身份信息；(xLi,yLi)表示第i个协作用户上一时刻的位置；(xLU,yLU)表示查询发起者U上一时刻的位置；(xcU,ycU)表示查询发起者U当前时刻的位置；QCLi表示第i个协作用户上一时刻的查询分类；QCcU表示查询发起者U当前时刻的查询分类；qcLi表示第i个协作用户上一时刻的具体查询内容；qccU表示查询发起者U当前时刻的具体查询内容；TsLi表示第i个协作用户上一时刻查询开始时间；TscU表示查询发起者U当前时刻查询开始时间；Tei表示第i个协作用户的查询截止时间；TecU表示查询发起者U当前时刻的查询截止时间；VLi表示第i个协作用户上一时刻的查询速度；VcU表示查询发起者U当前时刻的查询速度；(x0i,y0i)L表示第i个协作用户上一时刻所在区域的几何中心坐标；(x0U,y0U)c表示查询发起者U当前时刻所在区域的几何中心坐标；CD表示缓存数据信息；LRI表示位置服务器返回的信息；PRI表示各个协作用户返回的信息；BGI表示整个查询区域的基本地理信息；LSL表示位置服务器返回的位置信息集合；ListsL表示位置服务器返回的查询结果信息列表；LSC表示各个协作用户返回的位置信息集合；QCS表示各个协作用户返回的查询分类信息集合；qcS表示各个协作用户返回的具体查询内容信息集合；ListsC表示各个协作用户返回的查询结果信息列表；ListWL表示整个查询区域的位置信息列表；9b)查询发起者根据收集的信息计算如下参数：查询发起者U当前查询时间段内行驶的路程：scU＝VcU*(TecU-TscU)；查询发起者U上一查询时刻的运动趋势：第i个协作用户以其上一时刻的速度VLi行驶路程scU所用的时间：第i个协作用户当前时刻位置信息的横坐标：xci＝xLi+VLi*(TecU-TscU)；第i个协作用户当前时刻位置信息的纵坐标：yci＝yLi+VLi*(TecU-TscU)；第i个协作用户在查询发起者当前查询时间段内以其上一时刻速度VLi所行驶的路程：9c)查询发起者设定N为已构建好的所有协作用户查询分类个数，且N初始值置为0，并检索集合UQL和UQcU，当QCcU≠QCLi且QCLi≠QCLj时，N的值增加1，1≤i≤k-1，1≤j≤k-1-i且i≠j，i+j＝k-1；9d)查询发起者根据计算的scU、ΔθcU、tci、si和收集的第i个协作用户上一时刻查询开始时间TsLi，对第i个协作用户上一时刻的运动趋势ΔθLpi和上一时刻与当前时刻时间段内...
【专利技术属性】
技术研发人员：朱晓妍，牛俊，马建峰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。