基于信任激励和位置隐私保护的k近邻查询方法技术

本发明专利技术适用于隐私保护技术领域，提供了一种基于信任激励和位置隐私保护的k近邻查询方法，步骤如下：查询用户利用协作的方式构建K匿名组，从K匿名组中提取愿意充当代理的用户放入AgentID集合；从AgentID集合中选择位置处于选择区域CR内且声誉高的N个用户作为代理用户；各代理用户转发查询请求至LBS服务器，接收LBS服务器返回的候选结果，转发至查询用户；查询用户从候选结果中筛选出至少k个邻近查询结果，只有声誉值高于定义阈值的邻居用户才可以和查询用户一起协作构建匿名组，减小匿名组内存在恶意用户的几率；在自定义的区域内选择代理用户给LBS服务器发送查询请求，避免网络中的恶意用户通过不正当手段获取用户信息，保护查询用户自身的真实位置信息。

K-nearest neighbor query method based on trust incentive and location privacy protection

The invention is applicable to the field of privacy protection technology, and provides a k-nearest neighbor query method based on trust incentive and location privacy protection. The steps are as follows: query users construct K-anonymous groups by collaboration, extract users willing to act as agents from K-anonymous groups and put them into the Agent ID set; select N users with high reputation in the selected area CR from the Agent ID set as users. Proxy users; each proxy user forwards query requests to the LBS server, receives candidate results returned by the LBS server and forwards them to the query user; the query user filters out at least k neighboring query results from the candidate results, and only the neighbor user whose reputation value is higher than the defined threshold can cooperate with the query user to build anonymous groups, reducing the probability of malicious users in the anonymous groups. Select proxy users to send query requests to the LBS server in a self-defined area, avoid malicious users in the network to obtain user information through improper means, and protect the real location information of the query users themselves.

【技术实现步骤摘要】
基于信任激励和位置隐私保护的k近邻查询方法
本专利技术属于隐私保护
，提供了基于信任激励和位置隐私保护的k近邻查询方法。
技术介绍
随着移动网络和智能设备的快速发展，基于位置的服务(LocationBasedService,LBS)变得越来越流行，用户可以从软件商店中找到各种LBS应用程序，例如：四方网、谷歌地图、百度地图等。用户通过这些基于位置的服务可以查找最近的电影院、附近的餐厅等，可以检查交通状况或与朋友分享地点，这给用户的日常生活带来了很大的便利。为了满足用户的需求，往往需要从海量数据中挖掘出有用的信息，因此研究者们设计了许多查询方法，其中k近邻查询方法应用最广泛。但是，用户若想要通过k近邻查询得到越准确的查询结果，就得向LBS服务器提供更精确的位置信息。此时，若用户的位置信息被恶意用户窃取，则用户的位置隐私就很有可能被泄露。由此可以看出，用户在享受服务的同时，个人的位置隐私也面临着严重的威胁，因此，用户的位置隐私保护是一个亟待解决的重点问题。位置隐私保护技术的种类很多，k匿名是其中最常用的一种，而用户协作是能达到k匿名的一种特殊方法。近年来，国内外研究者们对用户协作的方法做了很多研究，提出了用户协作无匿名区域的隐私保护方法、用于连续查询的协作轨迹隐私保护方案等。基于用户协作，同时考虑用户不积极参与协作这一问题，部分研究者又提出了一些新的方法，比如引入信任机制。信任是一种主观感受，是一个抽象化的概念，信任值是双方合作之后一方对另一方的评价。Li等人考虑了其他用户是否愿意给请求者提供帮助的问题，将信任激励机制引入到k匿名中，设置信用证书，根据各自设置的签名来确认对方的身份，通过相互之间多次的认证来实现隐私保护，若认证成功，则根据提供服务的时间和服务请求时间的比值计算声誉，只有当声誉值达到设定的阈值时，才能从其他邻居处获得帮助，以此激励用户积极响应其他用户的请求，但其引入的半可信第三方服务器可能是一个安全隐患。
技术实现思路
本专利技术实施例提供一基于信任激励和位置隐私保护的k近邻查询方法，在k近邻查询过程中保护用户的位置信息不被泄露，同时激励大量用户主动参与位置隐私保护过程。为了实现上述目的，本专利技术提供了一种基于信任激励和位置隐私保护的k邻近查询方法，该方法包括如下步骤：S1、查询用户利用协作的方式构建K匿名组，并从K匿名组中提取愿意充当代理的用户放入AgentID集合；S2、从AgentID集合中选择位置处于选择区域CR内，且声誉高的N个用户作为代理用户；S3、各代理用户转发查询用户的查询请求至LBS服务器，接收LBS服务器返回的候选结果，并转发至查询用户；S4、查询用户从候选结果中筛选出至少k个邻近查询结果。进一步的，所述K匿名组的构建方法具体包括如下步骤：S11、查询用户在其一跳范围内向邻居用户广播匿名组构建请求；S12、在应答用户中选择声誉值大于阈值τ1的用户组一，用户组一数量小于K-1，阈值τ1为查询用户定于的阈值；S13、从选定用户中选择声誉最高的用户在其一跳范围内转发查询用户的匿名组构建请求；S14、在应答用户中选择声誉值大于阈值τ2的用户组二，检测用户组一与用户组二之和是否大于K-1，阈值τ2为转发用户定义的阈值；S15、若检测结果为是，则用户组一与用户组二构成匿名组，若检测结果为否，则从用户组二中选择声誉最高的用户在其一跳范围内继续转发查询用户的匿名组构建请求，执行步骤S14。进一步的，k个邻近查询结果的获取方法包括如下步骤：S41、计算各候选结果中的兴趣点与查询用户间的距离，将距离小于距离阈值的候选结果作为邻近查询结果放入集合Result1中，将剩余的候选结果放入集合Result2；S42、检测邻近查询结果的数量是否大于k，若检测结果为是，择输出所述k个邻近查询结果。进一步的，若S42中的邻近查询结果数量小于k，则执行如下步骤：S43、扩大选择区域为CR+，增大距离阈值；S44、在AgentID集合中选择位置处于选择区域CR+内，且声誉高的N个用户作为代理用户，针对同一查询请求，一个用户只能充当一次代理用户；S45、各代理用户转发查询用户的查询请求至LBS服务器，接收LBS服务器返回的候选结果，并转发至查询用户；S46、从步骤S45的候选结果及集合Result2的候选结果中，筛选出兴趣点与查询用户间距离小于距离阈值的查询结果放入集合Result1中，剩余的候选结果放入集合Result2中，执行步骤S42。进一步的，本次参与用户j匿名组构建的所有用户对用户j的综合信任值之和与用户j自身历史信誉值的总和即构成用户j的信誉值，所述历史信誉值随时间衰减，所述综合信任值由直接信任值DTij、间接信任值ITij及额外信任值ETij构成；若用户j参与用户i的匿名组构建，用户i基于直接交互经验计算用户j的直接信任值DTij；若用户i与用户j没有直接交互，用户s与用户j有直接交互，基于用户i和用户s对相同用户直接信任评价的相似度，用户i给出对用户j间接信任值ITij；基于用户i此次对用户j的综合信任值与用户i上一次对用户j的综合信任值的差值，用户i给予对用户j的正额外信任值ETij或负额外信任值ETij。进一步的，用户j的声誉值计算公式如下所示：其中，tn表示目前的时刻，tn-1表示用户j上一次声誉值的更新时刻，表示用户j本次交互后的声誉值，为历史声誉，W表示本次与用户j有交互的所有用户数，Tij表示用户i对用户j的综合信任值，μ是时间衰减因子，进一步的，综合信任值Tij由直接信任值DTij、间接信任值ITij及额外信任值ETij构成，综合声誉值得计算公式如下所示：Tij＝ωdt×DTij+ωit×ITij+ωet×ETij其中，ωdt+ωit+ωet＝1，ωdt、ωit和ωet是动态变化的，由查询用户自定义，直接信任值DTij的权重ωdt大于ωit和ωet。进一步的，直接信任值DTij的计算公式如下所示；直接信任值DTij是由用户i计算并本地存储的，其中，αij表示用户j参与构建用户i的匿名组的次数，βij表示用户j不参与构建用户i的匿名组的次数，fij表示用户i与用户j的通信频率，lij表示用户i与用户j通信的信息长度，Ci表示用户i与之有过通信的所有用户的集合，是Ci集合中，与用户i通信频率的最高值，是Ci集合中通讯信息量的最大值，λ是一个调节因子，取值范围为[0,1]。进一步的，间接信任值ITij的计算公式如公式如下所示：其中，ITij表示用户i对用户j的间接信任值，用户i与用户j没有直接交互，用户s与用户j有过直接交互，即表示用户i根据用户s对用户j的直接信任值来给出用户j间接信任值，N表示和用户j有过直接交互的用户数，sim(i,s)表示用户i和用户s对相同用户直接信任评价的相似度，Nodei表示用户i与之有过直接交互的用户集合，Nodes表示用户s与之有过直接交互的用户集合，Nodei,s＝Nodei∩Nodes，表示用户i和用户s都与之有过直接交互的用户集合。进一步的，额外信任值ETij的计算公式如下所示：其中，ETij表示用户i给予用户j的额外信任值，表示本次用户i对用户j的综合信任值，表示tc时刻的前一次用户i对用户j的综合信任值，fij为用户i与用户j的通信频率。本文档来自技高网...

【技术保护点】
1.一种基于信任激励和位置隐私保护的k近邻查询方法，其特征在于，所述方法包括如下步骤：S1、查询用户利用协作的方式构建K匿名组，从K匿名组中提取愿意充当代理的用户放入AgentID集合；S2、从AgentID集合中选择位置处于选择区域CR内，且声誉高的N个用户作为代理用户；S3、各代理用户转发查询用户的查询请求至LBS服务器，接收LBS服务器返回的候选结果，并转发至查询用户；S4、查询用户从候选结果中筛选出至少k个邻近查询结果。

【技术特征摘要】
1.一种基于信任激励和位置隐私保护的k近邻查询方法，其特征在于，所述方法包括如下步骤：S1、查询用户利用协作的方式构建K匿名组，从K匿名组中提取愿意充当代理的用户放入AgentID集合；S2、从AgentID集合中选择位置处于选择区域CR内，且声誉高的N个用户作为代理用户；S3、各代理用户转发查询用户的查询请求至LBS服务器，接收LBS服务器返回的候选结果，并转发至查询用户；S4、查询用户从候选结果中筛选出至少k个邻近查询结果。2.如权利要求1所述基于信任激励和位置隐私保护的k近邻查询方法，其特征在于，所述K匿名组的构建方法具体包括如下步骤：S11、查询用户在其一跳范围内向邻居用户广播匿名组构建请求；S12、在应答用户中选择声誉值大于阈值τ1的用户组一，用户组一中的用户数量小于K-1，阈值τ1为查询用户定于的阈值；S13、从选定用户中选择声誉最高的用户在其一跳范围内转发查询用户的匿名组构建请求；S14、在应答用户中选择声誉值大于阈值τ2的用户组二，检测用户组一与用户组二中的用户数量之和是否大于K-1，阈值τ2为转发用户定义的阈值；S15、若检测结果为是，则用户组一与用户组二构成匿名组，若检测结果为否，则从用户组二中选择声誉最高的用户在其一跳范围内继续转发查询用户的匿名组构建请求，执行步骤S14。3.如权利要求1所述所述基于信任激励和位置隐私保护的k近邻查询方法，其特征在于，k个邻近查询结果的获取方法包括如下步骤：S41、计算各候选结果中的兴趣点与查询用户间的距离，将距离小于距离阈值的候选结果作为邻近查询结果放入集合Result1中，将剩余的候选结果放入集合Result2；S42、检测邻近查询结果的数量是否大于k，若检测结果为是，择输出所述k个邻近查询结果。4.如权利要求3所述基于信任激励和位置隐私保护的k近邻查询方法，其特征在于，若S42中的邻近查询结果数量小于k，则执行如下步骤：S43、扩大选择区域为CR+，增大距离阈值；S44、在AgentID集合中选择位置处于选择区域CR+内，且声誉高的N个用户作为代理用户，针对同一查询请求，一个用户只能充当一次代理用户；S45、各代理用户转发查询用户的查询请求至LBS服务器，接收LBS服务器返回的候选结果，并转发至查询用户；S46、从步骤S45的候选结果及集合Result2的候选结果中，筛选出兴趣点与查询用户间距离小于距离阈值的查询结果放入集合Result1中，剩余的候选结果放入集合Result2中，执行步骤S42。5.如权利要求1至3任一权利要求所述基于信任激励和位置隐私保护的k近邻查询方法，其特征在于，本次参与用户j匿名组构建的所有用户对用户j的综合信任值之和与用户j自身历史信誉值的总和即构成用户j的信誉值，所述历史信誉值随时间衰减，所述综合信任值由直接信任值DTij、间接信任值ITij及额外信任值ETij构成；若用...

【专利技术属性】
技术研发人员：郭良敏，朱莹，罗永龙，郑孝遥，孙丽萍，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34