基于语义和时空关联的路网LBS兴趣点查询隐私保护方法技术

本发明专利技术公开一种基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，包括：中心匿名服务器初始化数据和数据库，并根据历史查询数据计算历史兴趣点查询频率；移动用户发送查询请求；中心匿名服务器获取历史查询数据，建立时空关联模型计算查询语义和位置语义之间的时间关联概率，定义关联熵构造当前时刻最优关联表；中心匿名服务器利用假位置生成方法生成匿名集合并重新排序匿名集合；中心匿名服务器将查询内容和匿名集合发送给LBS服务器进行查询，并接收LBS服务器返回的查询结果集；中心匿名服务器根据用户精确位置将接收到的结果集进行过滤，并将相应查询结果返回给用户。该方法能够有效防止语义推断攻击、时间关联攻击，安全性高，保护效果好。保护效果好。保护效果好。

【技术实现步骤摘要】
基于语义和时空关联的路网LBS兴趣点查询隐私保护方法


[0001]本专利技术涉及移动通信中路网环境下基于位置服务的隐私保护，具体地，涉及一种基于语义和时空关联的路网LBS兴趣点查询隐私保护方法。

技术介绍

[0002]互联网络高速发展推动了基于位置的服务(location
‑
based service，LBS)的发展进程。其中，兴趣点(point of interest，POI)查询一直是广泛使用的一项服务。
[0003]然而，用户在享受LBS兴趣点查询服务带来的便利的同时，可能面临位置隐私泄露的风险。一方面，攻击者不仅窃取中心匿名服务器提交给LBS提供商的假位置匿名集合，而且还知道用户当前的查询内容，通过查询内容的语义和匿名集合位置语义之间的时间关联关系过滤掉一些不切实际的假位置，使得攻击成功的概率大大增加；另一方面，攻击者根据位置语义信息，结合兴趣点历史查询数据、路网等背景知识，对假位置匿名集合进行分析，从而推测出用户的爱好、生活习惯、职业甚至健康等隐私信息。
[0004]现有的位置隐私保护方法很少结合查询内容对位置信息进行保护，也很少考虑匿名集合包含的位置语义，甚至只关注自由环境而忽略了更为复杂、贴近现实的路网环境。同时，现有的假位置生成方法无法抵御同时存在的语义推断攻击和时间关联攻击，一旦攻击者窃取了中心匿名服务器提交给LBS供应商的假位置匿名集合和用户当前的查询内容，就会造成用户位置隐私泄露的危险。
[0005]因此，急需要提供一种能够有效防止语义推断攻击、时间关联攻击的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法来解决上述技术难题。

技术实现思路

[0006]本专利技术的目的是提供一种基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，该方法能够有效防止语义推断攻击、时间关联攻击，安全性高，保护效果好。
[0007]为了实现上述目的，本专利技术提供了一种基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，包括：
[0008]步骤A、中心匿名服务器初始化路网数据、兴趣点数据库、历史查询数据，并根据历史查询数据计算历史兴趣点查询频率；
[0009]步骤B、移动用户向中心匿名服务器发送LBS兴趣点查询请求；
[0010]步骤C、中心匿名服务器获取当前查询时间的历史查询数据，建立时空关联模型计算查询语义和位置语义之间的时间关联概率，定义关联熵构造当前时刻最优关联表；
[0011]步骤D、中心匿名服务器结合最优关联表、用户发起查询时所在兴趣点的历史查询频率以及用户个性化隐私需求，利用假位置生成方法生成匿名集合并重新排序匿名集合；
[0012]步骤E、中心匿名服务器将查询内容和匿名集合发送给LBS服务器；
[0013]步骤F、LBS服务器根据接收到的匿名集合和查询内容进行查询，并将查询结果发送给中心匿名服务器；
[0014]步骤G、中心匿名服务器根据用户精确位置将接收到的结果集进行过滤，并将相应查询结果返回给用户。
[0015]优选地，步骤B中用户发起的兴趣点查询请求qu用一个四元组表示<uid,t,uloc
t
,qs
t
>；其中，
[0016]uid为用户请求LBS兴趣点查询时的唯一标识符，t为发起查询的时间，uloc
t
为用户在t时发起查询时所处在的兴趣点位置，qs
t
为用户在t时查询兴趣点的语义，查询兴趣点的语义包括酒店、餐厅、医院、学校、公园、酒吧等。
[0017]优选地，步骤C中时空关联模型的提出包括：
[0018]步骤C1、中心匿名服务器获取用户的历史查询数据；
[0019]步骤C2、中心匿名服务器根据查询请求的时间t，获取对应查询请求的时间段，并根据历史每个用户发起查询请求时的所在的位置uloc
t
构造时空关联序列Ct；
[0020]步骤C3、中心匿名服务器根据时空关联序列Ct构造时空关联有向图Gt，计算查询语义与位置语义之间的时间关联概率。
[0021]优选地，步骤C2中时空关联序列是指若在时间段[Ta,Tb]内，任一用户us分别在时刻ta和tb发起的两次相邻查询为qus
ta
＝<usid,ta,usloc
ta
,qs
ta
>、qus
tb
＝<usid,tb,usloc
tb
,qs
tb
>，其中Ta≤ta<tb≤Tb；若tb时刻所在的位置usloc
tb
的语义与ta时刻查询的语义qs
ta
相等，则称ta时刻所在的位置语义与在该时刻发起的查询语义qs
ta
在时间段[Ta,Tb]内存在一个时间关联，记为统计所有用户在两次相邻查询中出现的次数为Nf，则称为在时间段[Ta,Tb]的一个长度为1的时空关联序列，其中Tn为时间段[Ta,Tb]的编号且Tn∈[0,1,...,23]。
[0022]优选地，步骤C3中当前时间段的时空关联有向图为Gt＝(V,E)，由时空关联序列C＝{Ct1,Ct2,...,Ct
|C|
}构成，包含一组顶点V和边E；每个顶点v∈V表示语义类别，每个顶点的出度表示时空关联序列中此位置语义Sloc到其它查询语义Qs＝{qs1,qs2,...qs
|Qs|
}的时间关联的次数NF＝{Nf1,Nf2,...,Nf
|NF|
}之和其中，NF集合与Qs集合元素存在一一对应关系；每条边e∈E表示一个时空关联序列中此位置语义Locs到特定查询语义qs
m
(m∈1,2,..,|Qs|)出现的次数Nf
n
(n∈1,2,...,|NF|)；
[0023]步骤C3中查询语义与位置语义之间的时间关联概率的计算为：如果顶点v的出度非0，即位置语义和查询语义之间的时间关联概率为否则，若则Pt＝0。
[0024]优选地，步骤C中构建最优关联表包括：
[0025]步骤C1
’
、将用户所处的位置语义放入最优关联表BSC；
[0026]步骤C2
’
、根据查询语义和位置语义的时间关联概率选择一个与最优关联表BSC中关联熵最大的语义放入到最优关联表BSC；
[0027]步骤C3
’
、重复执行步骤C2
’
直至最优关联表中元素个数达到用户自定义的最优关
联表长度阈值dsem。
[0028]优选地，步骤C2
’
中关联熵用于描述当前查询时间段位置集合中位置语义与查询内容语义的不可区分程度；熵值越大，攻击者越难根据查询语义和位置语义之间的时间关联过滤位置集合；
[0029]给定一个位置集合Sloc＝{loc本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，包括：步骤A、中心匿名服务器初始化路网数据、兴趣点数据库、历史查询数据，并根据历史查询数据计算历史兴趣点查询频率；步骤B、移动用户向中心匿名服务器发送LBS兴趣点查询请求；步骤C、中心匿名服务器获取当前查询时间的历史查询数据，建立时空关联模型计算查询语义和位置语义之间的时间关联概率，定义关联熵构造当前时刻最优关联表；步骤D、中心匿名服务器结合最优关联表、用户发起查询时所在兴趣点的历史查询频率以及用户个性化隐私需求，利用假位置生成方法生成匿名集合并重新排序匿名集合；步骤E、中心匿名服务器将查询内容和匿名集合发送给LBS服务器；步骤F、LBS服务器根据接收到的匿名集合和查询内容进行查询，并将查询结果发送给中心匿名服务器；步骤G、中心匿名服务器根据用户精确位置将接收到的结果集进行过滤，并将相应查询结果返回给用户。2.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤B中用户发起的兴趣点查询请求qu用一个四元组表示<uid,t,uloc
t
,qs
t
>；其中，uid为用户请求LBS兴趣点查询时的唯一标识符，t为发起查询的时间，uloc
t
为用户在t时发起查询时所处在的兴趣点位置，qs
t
为用户在t时查询兴趣点的语义，查询兴趣点的语义包括酒店、餐厅、医院、学校、公园、酒吧等。3.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C中时空关联模型的提出包括：步骤C1、中心匿名服务器获取用户的历史查询数据；步骤C2、中心匿名服务器根据查询请求的时间t，获取对应查询请求的时间段，并根据历史每个用户发起查询请求时的所在的位置uloc
t
构造时空关联序列Ct；步骤C3、中心匿名服务器根据时空关联序列Ct构造时空关联有向图Gt，计算查询语义与位置语义之间的时间关联概率。4.根据权利要求3所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C2中时空关联序列是指若在时间段[Ta,Tb]内，任一用户us分别在时刻ta和tb发起的两次相邻查询为qus
ta
＝<usid,ta,usloc
ta
,qs
ta
>、qus
tb
＝<usid,tb,usloc
tb
,qs
tb
>，其中Ta≤ta<tb≤Tb；若tb时刻所在的位置usloc
tb
的语义与ta时刻查询的语义qs
ta
相等，则称ta时刻所在的位置语义与在该时刻发起的查询语义qs
ta
在时间段[Ta,Tb]内存在一个时间关联，记为统计所有用户在两次相邻查询中出现的次数为Nf，则称为在时间段[Ta,Tb]的一个长度为1的时空关联序列，其中Tn为时间段[Ta,Tb]的编号且Tn∈[0,1,...,23]。5.根据权利要求3所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C3中当前时间段的时空关联有向图为Gt＝(V,E)，由时空关联序列C＝{Ct1,Ct2,...,Ct
|C|
}构成，包含一组顶点V和边E；每个顶点v∈V表示语义类别，每个顶点的出度
表示时空关联序列中此位置语义Sloc到其它查询语义Qs＝{qs1，qs2，...qs
|Qs|
}的时间关联的次数NF＝{Nf1,Nf2,...,Nf
|NF|
}之和其中，NF集合与Qs集合元素存在一一对应关系；每条边e∈E表示一个时空关联序列中此位置语义Locs到特定查询语义qs
m
(m∈1,2,..,|Qs|)出现的次数Nf
n
(n∈1,2,...,|NF|)；步骤C3中查询语义与位置语义之间的时间关联概率的计算为：如果顶点v的出度非0，即位置语义和查询语义之间的时间关联概率为否则，若则Pt＝0。6.根据权利要求1所述的基于语义和时空关联的路网LBS兴趣点查询隐私保护方法，其特征在于，步骤C中构建最优关联表包括：步骤C1
’
、将用户所处的位置语义放入最优关联表BSC；步骤C2
’
、根据查询语义和位置语义的时间关联概率选择一个与最优关联表BSC中关联熵最大的语义放入到最优关联表BSC；步骤C3
’
、重复执行步骤C2
’
直至最优关联表中元素个数达到用户自定义的最优关联表长...

【专利技术属性】
技术研发人员：左开中，赵俊，刘蕊，谌章义，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：