基于局部超集的CPIR‑V最近邻隐私保护查询方法技术

本发明专利技术公开了一种基于局部超集的CPIR‑V最近邻隐私保护查询方法，本发明专利技术首先寻找网格中潜在最近邻点集合的关系，然后建立网格之间的映射关系，之后通过使用找到的网格关系压缩潜在最近邻存储矩阵，从而达到减小计算量与通信代价的目的，所需计算的数据量、通信代价与客户端计算量都减小了。

【技术实现步骤摘要】
基于局部超集的CPIR-ν最近邻隐私保护查询方法
本专利技术涉及一种查询方法，具体涉及基于局部超集的CPIR-V(SCPIR-V)最近邻隐 私保护查询方法。
技术介绍
现有的CPIR-V算法实现了空间最近邻的隐私保护查询，然而该算法存在以下两 点不足。 (1)计算复杂度为〇(m · S · r)(其中m = sizeof (Pi). Pmax，S与r分别为列数与 行数，在图2中s = r = 5)，CPU花费比较大。由于矩阵中存在着许多重复的乘法运算，文 献中提出了基于数据挖掘技术的优化策略，此方法通过采用Apriori算法来提取重复的计 算，通过保存计算结果减少重复的计算，尽管优化后的计算量得到了优化，但是CPU的计算 代价仍然较高。 (2)通信复杂度为0(k. s+k. m. r)(其中S和r与上同，k为Ρ0Ι数据的二进制位 数），文中提出了计算s与r的最优值来减少通信复杂度，但是无法应用到空间最近邻查询 中，通过采用标准的压缩技术来压缩查询结果，但传输查询结果仍然耗费大量的带宽。 尽管通过优化提高了 CPU利用率、降低了通信代价，此方法中依然存在着大量的 重复计算。这极大地消耗了系统资源。
技术实现思路
为解决上述问题，本专利技术提供了一种基于局部超集的CPIR-V最近邻隐私保护查 询方法。 为实现上述目的，本专利技术采取的技术方案为： 基于局部超集的CPIR-V最近邻隐私保护查询方法，包括如下步骤： S1、服务端计算POIs的Voronoi图； S2、服务端对得到的Voronoi图进行网格化，同时设置网格的潜在最近邻点集； S3、服务端计算网格中潜在邻近点集的包含关系，获取网格中的局部超集； S4、服务端将步骤S3所得的局部超集存入矩阵Z中，然后根据局部超集在矩阵Z 中的位置设置，建立列标映射矩阵C，并将列标映射矩阵C传给用户； S5、用户获得自己所在空间位置，然后查询矩阵C，得到所属局部超集在矩阵Z中 的列标； S6、用户发出查询信息，服务端通过计算将查询结果返回用户； S7、用户对查询结果进行解密得到集合，用户对查询结果进行计算得到最近点。 其中，所述的步骤s4中的映射矩阵C为矩阵Μ对应位置Ρ0Ι集所属的局部超集在 矩阵Ζ中的列标。 其中，所述的矩阵Μ为每个网格的潜在最近邻点集所对应的矩阵。 其中，所述的矩阵Ζ为矩阵形成的局部超集的集合S中元素组成的矩阵。 其中，所述的矩阵C在用户第一次查询时由服务端发送给用户。 其中，所述的POIs点在地图中的位置是固定不变的，所述的矩阵C只需要进行一 次传输便持久有效。 本专利技术具有以下有益效果： 本专利技术首先寻找网格中潜在最近邻点集合的关系，然后建立网格之间的映射关 系，之后通过使用找到的网格关系压缩潜在最近邻存储矩阵，从而达到减小计算量与通信 代价的目的，所需计算的数据量、通信代价与客户端计算量都减小了。 【附图说明】 图1为网格划分示意图。 图2为网格划分后每个网格潜在最近邻点集所对应的矩阵图。 图3为集合S中元素组成的矩阵Z的示意图。 图4为图2中矩阵的列标映射矩阵示意图。 图5为不同网格划分的方阵形状。 图6为不同网格划分的服务端时间。 图7为不同网格划分的通信代价。 图8为不同网格划分的客户端时间。 图9为不同网格划分的服务端时间。 图10为不同网格划分的客户端时间。 图11为不同模量的服务端时间。 图12为不同模量的客户端时间。 图13为不同网格划分的方阵形状。 图14为不同网格划分的服务端时间。 图15为不同网格划分的通信代价。 图16为不同网格划分的客户端时间。 图17为不同网格划分的方阵形状。 图18为不同网格划分的服务端时间。 图19为不同网格划分的通信代价。 图20为不同网格划分的客户端时间。 【具体实施方式】 为了使本专利技术的目的及优点更加清楚明白，以下结合实施例对本专利技术进行进一步 详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本发 明。 本专利技术实施例提供了一种基于局部超集的CPIR-V最近邻隐私保护查询方法，其 特征在于，包括如下步骤： S1、服务端计算POIs的Voronoi图；每一个Voronoi格都包含一个Ρ0Ι，通过 Voronoi图的定义可知，当查询点位于某一个Voronoi格中时，该查询点的最近邻就是包含 在这个格中的Ρ0Ι。如图1所示，图中POIs形成的Voronoi格为实线围成的范围。 S2、服务端对得到的Voronoi图进行网格化，同时设置每个网格的潜在最近邻点 集； S3、服务端计算网格中潜在邻近点集的包含关系，获取网格中的局部超集； S4、服务端将步骤S3所得的局部超集存入矩阵Z中，然后根据局部超集在矩阵Z 中的位置设置，建立列标映射矩阵C，并将列标映射矩阵C传给用户； S5、用户获得自己所在空间位置，然后查询矩阵C，得到所属局部超集在矩阵Z中 的列标； S6、用户发出查询信息，服务端通过计算将查询结果返回用户； S7、用户对查询结果进行解密得到集合，用户对查询结果进行计算得到最近点。 所述的步骤S2中的映射矩阵C为矩阵Μ对应位置Ρ0Ι集所属的局部超集在矩阵 Ζ中的列标。 所述的矩阵Μ为为每个网格的潜在最近邻点集所对应的矩阵。 所述的矩阵Ζ为矩阵形成的局部超集的集合S中元素组成的矩阵。 所述的矩阵C在用户第一次查询时由服务端发送给用户。 所述的POIs点在地图中的位置是固定不变的，所述的矩阵C只需要进行一次传输 便持久有效。 对比例1 首先计算 POIs (point of interests)的 Voronoi 图，每一个 Voronoi 格都包含一 个Ρ0Ι，通过Voronoi图的定义可知，当查询点位于某一个Voronoi格中时，该查询点的最近 邻就是包含在这个格中的Ρ0Ι。如图1所示，图中POIs形成的Voronoi格为实线围成的范 围。然后CPIR-V对得到的Voronoi图进行网格化，在Voronoi图上覆盖一 5X5的网格，任 意网格都会与Voronoi格出现重合。网格单元2,1与形成的Voronoi格重合，当查询 点q位于网格单元2,1中时，查询点的最近邻来自集合{ρρρ 2}，将Pi、p2称为网格单元2,1 的潜在最近邻点，不同的网格会有不同数目的潜在最近邻点。将网格转换为对应的矩阵形 式，矩阵存储内容为格中潜在最近邻点的信息。将每个矩阵元素存储的潜在最近邻集合称 为Ρ0Ι集，下面以图1为例详细讲述CPIR-V算法。 如图2所示，网格单元2,1对应的矩阵位置M2,1存储的对象信息为Pl，p 2。矩阵Μ 中所有对象的大小必须拥有相同的字节数，设Pmax为网格中所含潜在最近邻点的最大数目， 需要对数目不足的网格进行补齐。网格中最大的潜在最近邻点的数目为3,对矩阵中的信息 进行补齐，使矩阵中存储信息的长度保持一致。 当用户发起查询时，首先计算查询点位于哪个网格中从而确定最近邻在矩阵中的 存储位置，而后用户生本文档来自技高网...

【技术保护点】
基于局部超集的CPIR‑V最近邻隐私保护查询方法，其特征在于，包括如下步骤：S1、服务端计算POIs的Voronoi图；S2、服务端对得到的Voronoi图进行网格化，同时设置每个网格的潜在最近邻点集；S3、服务端计算网格中潜在邻近点集的包含关系，获取网格中的局部超集；S4、服务端将步骤S3所得的局部超集存入矩阵Z中，然后根据局部超集在矩阵Z中的位置设置，建立列标映射矩阵C，并将列标映射矩阵C传给用户；S5、用户获得自己所在空间位置，然后查询矩阵C，得到所属局部超集在矩阵Z中的列标；S6、用户发出查询信息，服务端通过计算将查询结果返回用户；S7、用户对查询结果进行解密得到集合，用户对查询结果进行计算得到最近点。

【技术特征摘要】
1. 基于局部超集的CPIR-ν最近邻隐私保护查询方法，其特征在于，包括如下步骤： 51、 服务端计算POIs的Voronoi图； 52、 服务端对得到的Voronoi图进行网格化，同时设置每个网格的潜在最近邻点集； 53、 服务端计算网格中潜在邻近点集的包含关系，获取网格中的局部超集； 54、 服务端将步骤S3所得的局部超集存入矩阵Z中，然后根据局部超集在矩阵Z中的 位置设置，建立列标映射矩阵C，并将列标映射矩阵C传给用户； 55、 用户获得自己所在空间位置，然后查询矩阵C，得到所属局部超集在矩阵Z中的列 标； 56、 用户发出查询信息，服务端通过计算将查询结果返回用户； 57、 用户对查询结果进行解密得到集合，用户对查询结果进行计算得到最近点。2. 根据权利要求1所述的基于局部超集...

【专利技术属性】
技术研发人员：王波涛，王国仁，孟凡帅，姚继涛，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21