CN103957501A - 基于路网预测的长时请求位置隐私保护方法 - Google Patents
基于路网预测的长时请求位置隐私保护方法 Download PDFInfo
- Publication number
- CN103957501A CN103957501A CN201410126020.3A CN201410126020A CN103957501A CN 103957501 A CN103957501 A CN 103957501A CN 201410126020 A CN201410126020 A CN 201410126020A CN 103957501 A CN103957501 A CN 103957501A
- Authority
- CN
- China
- Prior art keywords
- anonymous
- user
- group
- area
- predicted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000007704 transition Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于路网预测的长时请求位置隐私保护方法,主要解决基于位置的服务中的位置隐私保护以及服务质量的优化问题。本发明的步骤为:1、建立道路网模型;2、目标用户发送请求;3、计算初始匿名面积;4、预测最优时刻;5、计算匿名区域面积;6、上传信息并返回结果。本发明巧妙的融合预测用户位置的方法与位置隐私保护方法,提出概率位置的新概念并用于计算预测匿名区域,每次只需要提取一次用户位置,减少了服务花费,有效抵挡连续查询攻击。本发明通过动态预测用户的位置,成功的预测了最优的匿名时刻,减小了匿名区域的面积,提供了更加优质的服务。
Description
技术领域
本发明属于通信技术领域,更进一步涉及信息安全技术领域中的一种基于路网预测的长时请求位置隐私保护方法。本发明可以动态预测用户之后的位置从而得到更小的匿名区域,在保护用户位置隐私不被泄露的基础上为用户提高了服务质量。本发明可用于基于位置的服务系统的位置隐私保护和服务优化。
背景技术
随着移动网络以及云计算的飞速发展,可以利用用户的位置信息对用户进行相关的服务,即基于位置的服务(LBS)已经引起了广泛的关注和应用。在一次LBS请求中,用户必须上传自己准确的位置,有可能造成自己隐私的泄露。为了解决LBS中的位置隐私泄露问题,通常使用假名或者K-匿名机制,即寻找最近的K个用户形成匿名区域来保护位置隐私。
西安电子科技大学提出的专利申请“基于动态假名的位置隐私保护方法”(申请号CN201310647713.2,申请公布号CN103618995A)公开了一种基于动态假名的位置隐私保护方法,具体步骤是:建立由用户、可信机构、服务运营商组成的通信系统;可信机构初始化系统;用户向可信机构在线注册,获得公私钥;可信机构定期为用户更新假名及假名证书;用户使用动态假名向服务运营商请求位置服务;服务运营商为合法用户提供服务数据,请求可信机构撤销恶意用户;合法用户获得位置服务数据。该专利申请存在的不足是:频繁地为用户更换假名及假名证书带来很大的服务花费;且此方法容易遭到连续查询攻击,从而判定出用户对应的假名。
北京航空航天大学提出的专利申请“一种面向路网的查询感知的位置隐私保护系统”(申请号CN201210392761.7,申请公布号CN102970652A)公开了属于位置服务中的一种面向路网的查询感知的位置隐私保护系统,该系统通过移动用户提出匿名请求;匿名服务器中的匿名模块对请求进行匿名,产生匿名路段集合,然后把匿名路段集合以及与之对应的查询集合发送给位置服务器。位置服务器处理请求并把查询的候选结果集合发送给匿名服务器,匿名服务器的查询处理模块对收到的候选结果集合进行过滤,并且把过滤后最终结果发送给相应的用户。该专利申请存在的不足是:路段组成的匿名区域只是基本满足用户需求的区域,不能提供高的服务质量,而且随着匿名需求的增大,服务的精确性也越来越低。
发明内容
本发明针对上述现有技术的不足,提出一种基于路网预测的长时请求位置隐私保护方法。本发明采用动态预测的方法,在路网上预测用户位置的基础上,动态预测未来可用的匿名区域,求出最优匿名时刻,既保证了用户隐私不泄露,也提供了更好的服务质量。
为了实现上述目的,本发明的具体步骤包括如下:
(1)建立道路网模型:
(1a)输入路网预测服务地区的道路数据,将输入的道路数据存贮于匿名服务器中;
(1b)统计一万个用户,在路网中通过同一个路口后选择不同方向通行的用户数,计算该路口不同方向的转移概率,得到转移概率矩阵,依此逐个得到所有路口的转移概率矩阵。
(2)目标用户发送请求:
(2a)目标用户给匿名服务器发送位置信息、请求内容、匿名需求和回执时限;
(2b)对回执时限,以1分钟的间隔等分为n个时刻。
(3)计算初始匿名面积:
(3a)提取当前时刻目标用户以及该目标用户周围用户的位置信息;
(3b)匿名服务器在路网上初始化一个矩形区域,作为匿名用户群;
(3c)将目标用户和离该目标用户最近的一个用户加入匿名用户群,按照匿名用户群面积公式,计算匿名用户群面积;
(3d)判断匿名用户群的用户数量是否满足匿名需求,若是,执行步骤(3f);否则,执行步骤(3e);
(3e)将使匿名用户群面积增加最小的用户,加入到匿名用户群中,更新匿名用户群,每次增加一个用户,直至匿名群满足匿名需求;
(3f)按照匿名用户群面积公式,计算匿名用户群面积,将获得的匿名用户群面积作为初始匿名面积,存储于匿名服务器中。
(4)预测最优时刻:
(4a)采用位置预测方法,预测下一时刻所有用户的位置信息;
(4b)匿名服务器在路网上初始化一个新的矩形区域,作为预测匿名群;
(4c)将目标用户和离该目标用户最近的一个用户加入预测匿名群,按照预测匿名群概率公式,计算预测匿名群的概率;
(4d)按照下式,计算预测匿名群周围待加入用户的效用值:
其中,B表示预测匿名群周围待加入用户的效用值,ΔP表示预测匿名群增加待加入用户后预测匿名群概率的增加值,ΔS表示预测匿名群增加待加入用户进入匿名群后预测匿名群面积的增加值;
(4e)依据预测匿名群周围待加入用户效用值的大小,依次选取效用值最小的用户加入预测匿名群,更新预测匿名群,按照预测匿名群概率公式,计算新预测匿名群的概率;
(4f)将预测匿名群概率阈值设为0.8,当预测匿名群的概率小于0.8时,执行步骤(4d);否则,认为该预测匿名群满足匿名要求,执行步骤(4g);
(4g)按照匿名用户群面积公式,计算当前时刻预测匿名群的面积;
(4h)重复执行步骤(4a)至步骤(4g),计算所有时刻的预测匿名群面积,将预测匿名群面积存储于匿名服务器中;
(4i)比较初始匿名面积与预测匿名群面积的大小,当初始匿名面积大于任意一个预测匿名群的面积时,将当前时刻更新为下一时刻,执行步骤(3);当初始匿名面积小于所有预测匿名群的面积时,执行步骤(5)。
(5)计算匿名区域面积:
采用匿名用户群面积公式,计算当前时刻的匿名用户群面积;将当前时刻的匿名用户群所在的矩形区域,作为目标用户的匿名区域。
(6)上传信息并返回结果:
(6a)匿名服务器将目标用户请求和该目标用户的匿名区域,发送给服务商;
(6b)匿名服务器将从服务商获得的查询结果,返回给目标用户。
本发明与现有技术相比具有以下优点:
第一,本发明能有效抵挡攻击。当用户需要连续请求时,现有技术每次都要提取周围所有用户信息,传输损耗和服务成本较大,同时也会遭遇连续查询攻击,暴露自己的假名和位置。本发明通过动态预测用户的位置,每次只需要提取一次用户位置,预测出匿名区域,减少了服务花费,有效抵挡连续查询攻击。
第二,提高了服务质量。现有技术只能找到基本满足用户需求的区域,不能找到最优时刻,不能提供高的服务质量。本发明通过动态预测用户位置,通过比较匿名区域大小,可以找到更小的匿名区域,提高了服务质量。
附图说明
图1是本发明流程图;
图2是本发明的系统结构图。
具体实施方式
下面结合附图对本发明做进一步的描述。
本发明的应用场景为移动路网中,用户提交了基于位置的服务。本发明的系统结构图如附图2所示,本发明的系统由移动用户、中间可信匿名服务器和服务商三部分组成。移动用户与中间可信匿名服务器之间采用的是加密可信信道传输信息,中间可信匿名服务器与服务商之间采用的是普通信道传输信息。
参照附图1,本发明的具体步骤如下。
步骤1,建立道路网模型。
输入路网预测服务地区的道路数据,所述道路数据包括路口坐标和路口间是否连接为路,将输入的道路数据存贮于匿名服务器中;根据道路数据,匿名服务器可以确定与特定路口连接的道路以及该路口相邻的路口坐标,匿名服务器也可以根据用户的位置信息中的目的路口坐标和用户运动方向判断出用户在哪一条道路。
由于道路有主干道路和支道路的区分,移动用户在路口进行选择时,通常呈现大致相似的概率,如通往往主干道的用户更多,而通往支道路的用户相对较少;服务器统计一万个用户在路网中通过同一个路口后选择不同方向通行的用户数,计算该路口不同方向的转移概率:
pj,i=Nj,i/Ni
其中,pj,i表示道路i到道路j的转移概率,i,j表示连接同一个路口的任意两条道路,Ni表示道路i上的总用户数,Nj,i表示在道路i上选择去道路j的用户数。
统计所有方向的转移概率得到转移概率矩阵,依此逐个得到所有路口的转移概率矩阵:
其中,M(v)表示路口v的转移概率矩阵,pj,i表示道路i到道路j的转移概率,下标1,…,n表示与路口v连接的n条道路。
步骤2,目标用户发送请求。
目标用户给匿名服务器发送位置信息、请求内容、匿名需求和回执时限,其中位置信息包括目标用户的标识符,当前坐标,当前速度,目的路口坐标,运动方向,初始值为1的概率;每个用户的标识符都是唯一确定的;位置信息中的概率是指,用户出现在这个位置的概率;匿名需求是指,用户对匿名服务器生成的匿名区域中用户数量的需求。
将回执时限以1分钟的间隔,等分为n个时刻。
步骤3,计算初始匿名面积。
(3a)提取当前时刻目标用户以及该目标用户周围用户的位置信息,提取的范围大致以目标用户为圆心,半径为n×v的圆形区域,其中v表示用户当前的速度,n表示回执时限分割的数量。
(3b)匿名服务器在路网上初始化一个矩形区域,作为匿名用户群。
(3c)将目标用户和离该目标用户最近的一个用户加入匿名用户群,按照匿名用户群面积公式,计算匿名用户群面积。
匿名用户群面积公式如下:
S=(Xmax-Xmin)×(Ymax-Ymin)
其中,S表示匿名用户群面积,Xmax、Xmin分别表示匿名用户群中所有用户横坐标的最大值和最小值,Ymax、Ymin分别表示匿名用户群中所有用户纵坐标的最大值和最小值。
(3d)判断匿名用户群的用户数量是否满足匿名需求,若是,执行步骤(3f);否则,执行步骤(3e)。
(3e)由于更小的匿名区域可以提供更优质的服务,匿名服务器将使匿名用户群面积增加最小的用户,加入到匿名用户群中,更新匿名用户群,每次增加一个用户,直至匿名群满足匿名需求;此时在保证目标用户匿名需求满足的同时,形成了更小的匿名区域。
(3f)按照匿名用户群面积公式,计算匿名用户群面积,将获得的匿名用户群面积作为初始匿名面积,存储于匿名服务器中。
步骤4,预测最优时刻。
(4a)采用位置预测方法,预测下一时刻所有用户的位置信息。
所述采用位置预测方法的具体步骤如下:
第一步,提取当前时刻待预测用户的位置信息;
第二步,用待预测用户位置信息中的速度与1分钟时间相乘,得到待预测用户的移动距离;
第三步,比较待预测用户移动距离与待预测用户到目的路口距离的大小,若待预测用户移动距离大于待预测用户到目的路口距离,则表示待预测用户穿过路口,执行第四步,否则,认为待预测用户未穿过路口,执行第六步;
第四步,将待预测用户位置信息中的当前坐标更新为路口坐标;用待预测用户移动距离减去待预测用户到目的路口距离,将该距离差作为新的移动距离;将待预测用户的目的路口坐标更新为路口相邻的路口坐标,当路口相邻的路口不止一个时,待预测用户的位置信息分裂为若干个位置信息,其中每个位置信息有对应的路口坐标;待预测用户速度保持不变;目标用户的运动方向为所在道路方向;
第五步,按照下式,计算不同方向位置信息中的概率,将求得的概率作为新的位置信息中的概率:
p=p0×pi,j
其中,p表示待预测用户穿过路口后位置信息中的概率,p0表示待预测用户穿过路口前位置信息中的概率,pi,j表示待预测用户从道路i走向道路j的概率;
第六步,用待预测用户移动距离乘以运动方向的单位方向向量,得到待预测用户的移动坐标向量,用待预测用户当前时刻位置信息中的当前坐标加上待预测用户的移动坐标向量得到新的当前坐标,目的路口坐标更新为路口相邻的路口坐标,将得到的位置信息作为待预测用户下一时刻的位置信息。
(4b)匿名服务器用预测的下一时刻的用户位置信息,对目标用户下一时刻的匿名区域进行预测,匿名服务器在路网上初始化一个新的矩形区域,作为预测匿名群。
(4c)将目标用户和离该目标用户最近的一个用户加入预测匿名群,按照预测匿名群概率公式,计算预测匿名群的概率,即该区域最少出现K个用户的概率。
预测匿名群概率公式如下:
其中,表示预测匿名群的概率,N表示预测匿名群总的用户数,K表示匿名需求的用户数,pi,pj,pk,pm分别表示第i,j,k,m个用户位置信息的概率,Π表示将概率相乘再求和操作;公式中遍历了所有满足匿名需求的情况,即有任意K、K+1…N个用户出现的概率,再将概率求和即为该区域最少出现K个用户的概率。
(4d)按照下式,计算预测匿名群周围待加入用户的效用值:
其中,B表示预测匿名群周围待加入用户的效用值,ΔP表示预测匿名群增加待加入用户后预测匿名群概率的增加值,ΔS表示预测匿名群增加待加入用户进入匿名群后预测匿名群面积的增加值。
(4e)当要增加新的用户进入匿名区域时,我们需要保证增加更少的用户的情况下增加更多的概率值;依据预测匿名群周围待加入用户效用值的大小,依次选取效用值最小的用户加入预测匿名群,更新预测匿名群,按照预测匿名群概率公式,计算新预测匿名群的概率。
(4f)将预测匿名群概率阈值设为0.8,当预测匿名群的概率小于0.8时,执行步骤(4d);否则,该匿名区域有80%的概率保证匿名群满足了目标用户的匿名需求,认为该预测匿名群满足匿名要求,执行步骤(4g)。
(4g)按照匿名用户群面积公式,计算当前时刻预测匿名群的面积。
(4h)重复执行步骤(4a)至步骤(4g),计算所有时刻的预测匿名群面积,将预测匿名群面积存储于匿名服务器中。
(4i)比较初始匿名面积与预测匿名群面积的大小,当初始匿名面积大于任意一个预测匿名群的面积时,即在后面的时刻中存在比当前时刻更小的匿名区域,将当前时刻更新为下一时刻,执行步骤3;当初始匿名面积小于所有预测匿名群的面积时,即在后面的时刻中不存在比当前时刻更小的匿名区域,可以认为当前时刻的匿名面积时最小最优的,执行步骤5。
步骤5,计算匿名区域面积。
采用匿名用户群面积公式,计算当前时刻的匿名用户群面积;将当前时刻的匿名用户群所在的矩形区域,作为目标用户的匿名区域。
步骤6,上传信息并返回结果。
匿名服务器将目标用户请求和该目标用户的匿名区域,发送给服务商;
匿名服务器将从服务商获得的查询结果,返回给目标用户。
Claims (9)
1.一种基于路网预测的长时请求位置隐私保护方法,包括如下步骤:
(1)建立道路网模型:
(1a)输入路网预测服务地区的道路数据,将输入的道路数据存贮于匿名服务器中;
(1b)统计一万个用户,在路网中通过同一个路口后选择不同方向通行的用户数,计算该路口不同方向的转移概率,得到转移概率矩阵,依此逐个得到所有路口的转移概率矩阵;
(2)目标用户发送请求:
(2a)目标用户给匿名服务器发送位置信息、请求内容、匿名需求和回执时限;
(2b)对回执时限,以1分钟的间隔等分为n个时刻;
(3)计算初始匿名面积:
(3a)提取当前时刻目标用户以及该目标用户周围用户的位置信息;
(3b)匿名服务器在路网上初始化一个矩形区域,作为匿名用户群;
(3c)将目标用户和离该目标用户最近的一个用户加入匿名用户群,按照匿名用户群面积公式,计算匿名用户群面积;
(3d)判断匿名用户群的用户数量是否满足匿名需求,若是,执行步骤(3f);否则,执行步骤(3e);
(3e)将使匿名用户群面积增加最小的用户,加入到匿名用户群中,更新匿名用户群,每次增加一个用户,直至匿名群满足匿名需求;
(3f)按照匿名用户群面积公式,计算匿名用户群面积,将获得的匿名用户群面积作为初始匿名面积,存储于匿名服务器中;
(4)预测最优时刻:
(4a)采用位置预测方法,预测下一时刻所有用户的位置信息;
(4b)匿名服务器在路网上初始化一个新的矩形区域,作为预测匿名群;
(4c)将目标用户和离该目标用户最近的一个用户加入预测匿名群,按照预测匿名群概率公式,计算预测匿名群的概率;
(4d)按照下式,计算预测匿名群周围待加入用户的效用值:
其中,B表示预测匿名群周围待加入用户的效用值,ΔP表示预测匿名群增加待加入用户后预测匿名群概率的增加值,ΔS表示预测匿名群增加待加入用户进入匿名群后预测匿名群面积的增加值;
(4e)依据预测匿名群周围待加入用户效用值的大小,依次选取效用值最小的用户加入预测匿名群,更新预测匿名群,按照预测匿名群概率公式,计算新预测匿名群的概率;
(4f)将预测匿名群概率阈值设为0.8,当预测匿名群的概率小于0.8时,执行步骤(4d);否则,认为该预测匿名群满足匿名要求,执行步骤(4g);
(4g)按照匿名用户群面积公式,计算当前时刻预测匿名群的面积;
(4h)重复执行步骤(4a)至步骤(4g),计算所有时刻的预测匿名群面积,将预测匿名群面积存储于匿名服务器中;
(4i)比较初始匿名面积与预测匿名群面积的大小,当初始匿名面积大于任意一个预测匿名群的面积时,将当前时刻更新为下一时刻,执行步骤(3);当初始匿名面积小于所有预测匿名群的面积时,执行步骤(5);
(5)计算匿名区域面积:
采用匿名用户群面积公式,计算当前时刻的匿名用户群面积;将当前时刻的匿名用户群所在的矩形区域,作为目标用户的匿名区域;
(6)上传信息并返回结果:
(6a)匿名服务器将目标用户请求和该目标用户的匿名区域,发送给服务商;
(6b)匿名服务器将从服务商获得的查询结果,返回给目标用户。
2.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(1a)所述道路数据包括路口坐标和路口间是否连接为路。
3.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(1b)所述的转移概率的计算公式如下:
pj,i=Nj,i/Ni
其中,pj,i表示道路i到道路j的转移概率,i,j表示连接同一个路口的任意两条道路,Nj,i表示在道路i上选择去道路j的用户数,Ni表示道路i上的总用户数。
4.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(1b)所述的转移概率矩阵如下:
其中,M(v)表示路口v的转移概率矩阵,pj,i表示道路i到道路j的转移概率,下标1,…,n表示与路口v连接的n条道路。
5.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(2a)、步骤(3a)、步骤(4a)所述的位置信息包括目标用户的标识符,当前坐标,当前速度,目的路口坐标,运动方向,初始值为1的概率。
6.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(2a)、步骤(3d)所述的匿名需求是指,用户对匿名服务器生成的匿名区域中用户数量的需求。
7.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(3c)、步骤(3f)、步骤(4g)、步骤(5)所述的匿名用户群面积公式如下:
S=(Xmax-Xmin)×(Ymax-Ymin)
其中,S表示匿名用户群面积,Xmax、Xmin分别表示匿名用户群中所有用户横坐标的最大值和最小值,Ymax、Ymin分别表示匿名用户群中所有用户纵坐标的最大值和最小值。
8.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(4a)所述的位置预测方法的具体步骤如下:
第一步,提取当前时刻待预测用户的位置信息;
第二步,用待预测用户位置信息中的速度与1分钟时间相乘,得到待预测用户的移动距离;
第三步,比较待预测用户移动距离与待预测用户到目的路口距离的大小,若待预测用户移动距离大于待预测用户到目的路口距离,则表示待预测用户穿过路口,执行第四步,否则,认为待预测用户未穿过路口,执行第六步;
第四步,将待预测用户位置信息中的当前坐标更新为路口坐标;用待预测用户移动距离减去待预测用户到目的路口距离,将该距离差作为新的移动距离;
第五步,按照下式,计算不同方向位置信息中的概率,将求得的概率作为新的位置信息中的概率:
p=p0×pi,j
其中,p表示待预测用户穿过路口后位置信息中的概率,p0表示待预测用户穿过路口前位置信息中的概率,pi,j表示待预测用户从道路i走向道路j的概率;
第六步,用待预测用户移动距离乘以运动方向的单位方向向量,得到待预测用户的移动坐标向量,用待预测用户当前时刻位置信息中的当前坐标加上待预测用户的移动坐标向量,将得到的位置信息作为待预测用户下一时刻的位置信息。
9.根据权利要求1所述的基于路网预测的长时请求位置隐私保护方法,其特征在于,步骤(4c)、步骤(4e)所述的预测匿名群概率公式如下:
其中,表示预测匿名群的概率,N表示预测匿名群总的用户数,K表示匿名需求的用户数,pi,pj,pk,pm分别表示第i,j,k,m个用户位置信息的概率,Π表示将概率相乘再求和操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410126020.3A CN103957501B (zh) | 2014-03-31 | 2014-03-31 | 基于路网预测的长时请求位置隐私保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410126020.3A CN103957501B (zh) | 2014-03-31 | 2014-03-31 | 基于路网预测的长时请求位置隐私保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103957501A true CN103957501A (zh) | 2014-07-30 |
CN103957501B CN103957501B (zh) | 2017-04-19 |
Family
ID=51334704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410126020.3A Expired - Fee Related CN103957501B (zh) | 2014-03-31 | 2014-03-31 | 基于路网预测的长时请求位置隐私保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103957501B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618897A (zh) * | 2015-01-26 | 2015-05-13 | 电子科技大学 | 一种lbs中的轨迹隐私保护方法 |
CN104796858A (zh) * | 2015-03-23 | 2015-07-22 | 电子科技大学 | 一种位置服务中基于假位置和几何学的位置隐私保护方法 |
CN107318089A (zh) * | 2017-05-09 | 2017-11-03 | 中国科学院信息工程研究所 | 一种k匿名的虚假位置确定方法及装置 |
CN107950039A (zh) * | 2015-08-27 | 2018-04-20 | 大众汽车有限公司 | 用于提供在车辆之间的传输参数的设备、方法和计算机程序 |
CN107995205A (zh) * | 2017-12-12 | 2018-05-04 | 西安交通大学 | 一种人员密度制导的自适应k匿名栅格化方法 |
CN109379718A (zh) * | 2018-12-10 | 2019-02-22 | 南京理工大学 | 基于连续查询位置服务的全匿名隐私保护方法 |
CN109994059A (zh) * | 2018-01-03 | 2019-07-09 | 李智萌 | 一种电子信息展示设备 |
CN110455297A (zh) * | 2018-05-07 | 2019-11-15 | 上海大唐移动通信设备有限公司 | 识别道路交口相邻关系的方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040246144A1 (en) * | 2003-01-06 | 2004-12-09 | Michael Aaron Siegel | Emergency vehicle alert system |
CN101873317A (zh) * | 2010-06-07 | 2010-10-27 | 孟小峰 | 一种感知服务质量的位置隐私保护方法 |
-
2014
- 2014-03-31 CN CN201410126020.3A patent/CN103957501B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040246144A1 (en) * | 2003-01-06 | 2004-12-09 | Michael Aaron Siegel | Emergency vehicle alert system |
CN101873317A (zh) * | 2010-06-07 | 2010-10-27 | 孟小峰 | 一种感知服务质量的位置隐私保护方法 |
Non-Patent Citations (3)
Title |
---|
ANIKET PINGLEY等: "Protection of Query Privacy for Continuous Location Based Services", 《IEEE》 * |
JOSEPH MEYEROWITZ等: "Hiding Stars with Fireworks: Location Privacy through Camouflage", 《MOBICOM’09》 * |
张学军等: "位置服务中的查询隐私度量框架研究", 《西安交通大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618897B (zh) * | 2015-01-26 | 2018-04-06 | 电子科技大学 | 一种lbs中的轨迹隐私保护方法 |
CN104618897A (zh) * | 2015-01-26 | 2015-05-13 | 电子科技大学 | 一种lbs中的轨迹隐私保护方法 |
CN104796858A (zh) * | 2015-03-23 | 2015-07-22 | 电子科技大学 | 一种位置服务中基于假位置和几何学的位置隐私保护方法 |
CN104796858B (zh) * | 2015-03-23 | 2017-12-15 | 电子科技大学 | 一种位置服务中基于假位置和几何学的位置隐私保护方法 |
CN107950039A (zh) * | 2015-08-27 | 2018-04-20 | 大众汽车有限公司 | 用于提供在车辆之间的传输参数的设备、方法和计算机程序 |
CN107318089B (zh) * | 2017-05-09 | 2019-12-03 | 中国科学院信息工程研究所 | 一种k匿名的虚假位置确定方法及装置 |
CN107318089A (zh) * | 2017-05-09 | 2017-11-03 | 中国科学院信息工程研究所 | 一种k匿名的虚假位置确定方法及装置 |
CN107995205A (zh) * | 2017-12-12 | 2018-05-04 | 西安交通大学 | 一种人员密度制导的自适应k匿名栅格化方法 |
CN107995205B (zh) * | 2017-12-12 | 2020-03-17 | 西安交通大学 | 一种人员密度制导的自适应k匿名栅格化方法 |
CN109994059A (zh) * | 2018-01-03 | 2019-07-09 | 李智萌 | 一种电子信息展示设备 |
CN110455297A (zh) * | 2018-05-07 | 2019-11-15 | 上海大唐移动通信设备有限公司 | 识别道路交口相邻关系的方法及装置 |
CN110455297B (zh) * | 2018-05-07 | 2021-05-07 | 上海大唐移动通信设备有限公司 | 识别道路交口相邻关系的方法及装置 |
CN109379718A (zh) * | 2018-12-10 | 2019-02-22 | 南京理工大学 | 基于连续查询位置服务的全匿名隐私保护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103957501B (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103957501B (zh) | 基于路网预测的长时请求位置隐私保护方法 | |
Dong et al. | Novel privacy-preserving algorithm based on frequent path for trajectory data publishing | |
Liao et al. | Location and trajectory privacy preservation in 5G-Enabled vehicle social network services | |
Shaham et al. | Privacy preservation in location-based services: A novel metric and attack model | |
Joy et al. | Internet of Vehicles: Enabling safe, secure, and private vehicular crowdsourcing | |
CN107204988B (zh) | 一种基于p2p结构下的位置隐私保护方法 | |
CN103826237B (zh) | 一种连续基于位置服务的位置隐私保护模型的建立方法 | |
CN107707566B (zh) | 一种基于缓存和位置预测机制的轨迹隐私保护方法 | |
CN104080081B (zh) | 一种适用于移动端位置隐私保护的空间匿名化方法 | |
CN102892073A (zh) | 一种适用于位置服务系统中面向连续查询的位置匿名方法 | |
Wang et al. | TrafficChain: A blockchain-based secure and privacy-preserving traffic map | |
CN110602145B (zh) | 一种基于位置服务的轨迹隐私保护方法 | |
Yuan et al. | TRUCON: blockchain-based trusted data sharing with congestion control in internet of vehicles | |
Li et al. | DALP: A demand‐aware location privacy protection scheme in continuous location‐based services | |
Kumar et al. | Protecting location privacy in cloud services | |
Liao et al. | Protecting user trajectory in location-based services | |
Wernke et al. | PShare: Ensuring location privacy in non-trusted systems through multi-secret sharing | |
Zhang et al. | Task allocation under geo-indistinguishability via group-based noise addition | |
Guo et al. | Privacy-preserving compressive sensing for real-time traffic monitoring in urban city | |
Wang et al. | RoPriv: Road network-aware privacy-preserving framework in spatial crowdsourcing | |
Gu et al. | An efficient and privacy-preserving information reporting framework for traffic monitoring in vehicular networks | |
Yu et al. | Efficient privacy-preserving task allocation with secret sharing for vehicular crowdsensing | |
CN109362032A (zh) | 一种基于位置服务的用户位置个性化差分隐私保护方法 | |
Ni et al. | A privacy preserving algorithm based on R-constrained dummy trajectory in mobile social network | |
Zhang et al. | A Markov prediction-based privacy protection scheme for continuous query |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170419 |
|
CF01 | Termination of patent right due to non-payment of annual fee |