CN108600304A - 一种基于位置k-匿名的个性化位置隐私保护方法 - Google Patents

Abstract

一种基于位置k‑匿名的个性化位置隐私保护方法，包括以下步骤：系统初始化；根据用户的隐私需求生成用户查询请求Q_u；将Q_u分割为若干数据段，将若干数据段及用户位置标识数据分别发送到若干个匿名服务器；随机选取其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u，再根据Q_u生成匿名查询请求；被选中匿名服务器发送匿名查询请求到LBS服务提供商；LBS服务提供商搜索查询结果并将结果发送给被选中匿名服务器，被选中匿名服务器根据用户的真实位置将精确的结果并返回给查询用户。本发明采用多个匿名服务器协作的系统架构，解决第三方匿名服务器半可信的问题，大大提高用户位置隐私的安全性和用户位置查询的服务质量。

Description

一种基于位置k-匿名的个性化位置隐私保护方法

技术领域

本发明涉及网络信息安全的隐私保护技术领域，具体涉及一种基于位置k-匿名的个性化位置隐私保护方法。

背景技术

由于移动通信的快速发展，手机、平板电脑等智能产品的普及，基于位置的服务(LBS location-based Service)在社交网络中越来越普及。基于位置的服务是指移动终端利用各种定位技术获得自己当前的位置，并获得与用户位置有关的服务。位置服务给生活带来了极大的方便的同时，也给用户的个人隐私带来了潜在危险。LBS服务器拥有用户的所有信息，包括用户的位置信息和查询内容，位置信息包含了位置坐标、社会语义、健康情况以及一些深层次的个人信息，攻击者可以通过用户提交的位置、查询内容并结合其自身掌握的背景知识，推断出用户的个人隐私信息。随着用户对个人隐私的注重，位置隐私保护方法也得到广泛研究。

目前常见的位置隐私保护方法主要有假位置、位置K-匿名、加密方法等。假位置方法是指用户发送查询时，按照一定的策略生成假的位置发出查询。位置k匿名方法是通过与其他k-1个用户位置一起发出的查询请求，从而模糊用户的空间位置信息以达到隐私保护的目的。空间加密采用某种加密协议来实现用户身份和位置的保护，但是这种方法的计算开销大，并且在用户移动的情况下不能适用。

在利用位置K-匿名方法对用户隐私保护时，攻击者如果掌握了足够的关于匿名空间的背景知识，就可以根据这些背景知识推理出更多的用户数据，泄露用户的个人隐私信息。如果仅选择信息熵最大的匿名区域，一旦攻击者获得历史访问概率数据时，就容易受到逆向攻击，从而攻击者可以根据获得的数据排除匿名区域中一些无关的用户位置，无法达到有效的k-匿名。常见的位置k-匿名算法是采用集中式体系结构，用户将其真实位置发送给可信第三方匿名服务器进行匿名处理，构成匿名区发送给LBS服务器请求服务。完全可信第三方匿名服务器在现实中并不可能存在，一旦第三方匿名服务器变得不可信，用户的位置隐私就会被泄露。

许多研究者致力于寻找位置隐私和服务质量两者之间的均衡，在充分获得位置服务的同时，满足用户的个性化需求，设计有效的隐私保护方法来保护用户的个人隐私变得至关重要。

发明内容

本发明目的在于克服现有技术的缺点与不足，提供了一种基于位置k-匿名的个性化位置隐私保护方法，采用多个匿名服务器协作的系统架构，解决第三方匿名服务器半可信的问题，实现用户位置隐私的安全保护并提高服务质量。

为实现上述目的，本发明采用的技术方案如下：

一种基于位置k-匿名的个性化位置隐私保护方法，包括以下步骤：

系统初始化，LBS服务器将地图空间网格化形成大小相同的网格单元，每个网格单元至少存在一个对用户真实位置敏感级别低的位置点；

根据用户的隐私需求生成用户查询请求Q_u；

将Q_u分割为若干数据段，将若干数据段及用户位置标识数据分别发送到若干个匿名服务器；

随机选取其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u，再根据Q_u生成匿名查询请求；

被选中匿名服务器发送匿名查询请求到LBS服务提供商；

LBS服务提供商搜索查询结果并将结果发送给被选中匿名服务器，被选中匿名服务器根据用户的真实位置将精确的结果返回给查询用户。

本发明的作用原理：本发明采用多个匿名服务器协作的系统架构，解决第三方匿名服务器半可信的问题，并且不需要客户端具有强大的计算和存储能力；查询用户将查询请求分割为若干数据段，若干数据段分别发送到多个匿名服务器，随机选取其中一个匿名服务器组合数据段形成完整的用户查询请求，每个匿名服务器都只拥有查询用户的部分数据，攻击者只有获得全部数据时才可能揭露用户的位置隐私，大大提高了用户位置隐私的安全性和用户位置查询的服务质量。

进一步地，所述根据用户的隐私需求生成用户查询请求Q_u的过程为：

查询用户首先根据自定义的隐私参数，生成用户位置的隐私需求：

Q_p＝{K，A_min，A_max}

其中，K：用户自定义的位置k匿名的阈值，A_min：用户自定义的最小匿名区间，A_max：用户自定义的最大可容忍匿名区域；

然后根据自定义的位置敏感级别生成查询请求Q_u，

Q_u＝{U_id，Loc＝(x，y)，tp，SEL_u，Q_p＝{K，A_min，A_max}，con}，

其中，U_id：用户的身份标识；Loc：用户的位置，x、y为用户的经纬度坐标；

TP＝{tp₁，tp₂，......，tp_n}：n种位置类型的集合，tp为该用户的位置类型；

所有位置类型相对用户U的敏感级别；

SEL_tpi：位置类型敏感级别。

作为本发明一种改进，所述随机选取其中一个匿名服务器生成匿名查询请求的过程为：

匿名服务器计算并存储每个位置的历史查询概率，假设位置历史查询概率越大，用户在该位置类型上发送查询请求的概率就越高；

随机选择其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u；

被选中匿名服务器首先根据用户发送的隐私参数K和SEL_u找到所有符合要求的原始匿名区域K_o-ASR，即每个原始匿名区域内包含对该用户位置敏感级别低的其他K-1个位置；

统计符合大于用户自定义最小匿名区域A_min的可能匿名区域K_p-ASR个数,考虑到历史查询概率的情况，根据信息熵公式计算所有的可能匿名区域的信息熵，将熵值最大且小于用户自定义的A_max的K个可能匿名区域K_p-ASR取出；

最后从K个可能匿名区域K_p-ASR中随机选取一个作为匿名区域K-ASR，形成匿名查询请求Q_a＝{U_id，K-ASR，con}。

与现有技术相比，本发明具有以下优点：

本发明采用多个匿名服务器协作的系统架构，解决第三方匿名服务器半可信的问题，并且不需要客户端具有强大的计算和存储能力；

查询用户将查询请求分割为若干数据段，若干数据段分别发送到多个匿名服务器，随机选取其中一个匿名服务器组合数据段形成完整的用户查询请求，每个匿名服务器都只拥有查询用户的部分数据，攻击者只有获得全部数据时才可能揭露用户的位置隐私，大大提高了用户位置隐私的安全性和用户位置查询的服务质量；

而且通过用户自定义参数最小匿名区域和最大容忍匿名区域限制匿名区域的大小，缩小了匿名区域的大小，在能做到隐私保护的同时提高了服务质量。

附图说明

图1为本发明基于位置k-匿名的个性化位置隐私保护方法的流程图；

图2为本发明基于位置k-匿名的个性化位置隐私保护方法的工作过程图；

图3为本发明基于位置k-匿名的个性化位置隐私保护方法步骤S4的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

实施例

本发明采用多个匿名服务器协作的系统架构，解决第三方匿名服务器半可信的问题，实现用户位置隐私的安全保护并提高服务质量，下面利用具体实施方法对本发明具体过程进行详细描述。

请参考图1和图2，一种基于位置k-匿名的个性化位置隐私保护方法，包括以下步骤：

S1.系统初始化，LBS服务器将地图空间网格化形成大小相同的网格单元，每个网格单元至少存在一个对用户真实位置敏感级别低的位置点。

S2.根据用户的隐私需求生成用户查询请求Q_u，

具体过程包括以下子步骤：

S2-1.查询用户首先根据自定义的隐私参数，生成用户位置的隐私需求：

Q_p＝{K，A_min，A_max}

其中，K：用户自定义的位置k匿名的阈值，A_min：用户自定义的最小匿名区间，A_max：用户自定义的最大可容忍匿名区域；

S2-2.然后根据自定义的位置敏感级别生成查询请求Q_u，

Q_u＝{U_id，Loc＝(x，y)，tp，SEL_u，Q_p＝{K，A_min，A_max}，con}，

其中，U_id：用户的身份标识；Loc：用户的位置，x、y为用户的经纬度坐标；

TP＝{tp₁，tp₂，......，tp_n}：n种位置类型的集合，tp为该用户的位置类型；

所有位置类型相对用户U的敏感级别；

SEL_tpi：位置类型敏感级别。

在步骤S2中，本发明结合用户自定义的位置敏感级别生成匿名区域，实现了更具用户个性化的隐私信息保护，而且通过用户自定义参数最小匿名区域和最大容忍匿名区域限制匿名区域的大小，缩小了匿名区域的大小，在能做到隐私保护的同时提高了服务质量。

S3.将Q_u分割为若干数据段，将若干数据段及用户位置标识数据分别发送到若干个匿名服务器。

S4.随机选取其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u，再根据Q_u生成匿名查询请求，

请参考图3，具体过程包括以下子步骤：

S4-1.匿名服务器计算并存储每个位置的历史查询概率，假设位置历史查询概率越大，用户在该位置类型上发送查询请求的概率就越高；

S4-2.随机选择其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u；

S4-3.被选中匿名服务器首先根据用户发送的隐私参数K和SEL_u找到所有符合要求的原始匿名区域K_o-ASR，即每个原始匿名区域内包含对该用户位置敏感级别低的其他K-1个位置；

S4-4.统计符合大于用户自定义最小匿名区域A_min的可能匿名区域K_p-ASR个数,考虑到历史查询概率的情况，根据信息熵公式计算所有的可能匿名区域的信息熵，将熵值最大且小于用户自定义的A_max的K个可能匿名区域K_p-ASR取出；

S4-5.最后从K个可能匿名区域K_p-ASR中随机选取一个作为匿名区域K-ASR，形成匿名查询请求Q_a＝{U_id，K-ASR，con}。

在步骤S4中，每个匿名服务器都只拥有查询用户的部分数据，攻击者只有获得全部数据时才可能揭露用户的位置隐私，大大提高了用户位置隐私的安全性和用户位置查询的服务质量。

S5.被选中匿名服务器发送匿名查询请求到LBS服务提供商。

S6.LBS服务提供商搜索查询结果并将结果发送给被选中匿名服务器，被选中匿名服务器根据用户的真实位置将精确的结果返回给查询用户。

本发明的作用原理：本发明采用多个匿名服务器协作的系统架构，解决第三方匿名服务器半可信的问题，并且不需要客户端具有强大的计算和存储能力；查询用户将查询请求分割为若干数据段，若干数据段分别发送到多个匿名服务器，随机选取其中一个匿名服务器组合数据段形成完整的用户查询请求，每个匿名服务器都只拥有查询用户的部分数据，攻击者只有获得全部数据时才可能揭露用户的位置隐私，大大提高了用户位置隐私的安全性和服务质量。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (3)

1.一种基于位置k-匿名的个性化位置隐私保护方法，其特征在于包括以下步骤：

系统初始化，LBS服务器将地图空间网格化形成大小相同的网格单元，每个网格单元至少存在一个对用户真实位置敏感级别低的位置点；

根据用户的隐私需求生成用户查询请求Q_u；

将Q_u分割为若干数据段，将若干数据段及用户位置标识数据分别发送到若干个匿名服务器；

随机选取其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u，再根据Q_u生成匿名查询请求；

被选中匿名服务器发送匿名查询请求到LBS服务提供商；

LBS服务提供商搜索查询结果并将结果发送给被选中匿名服务器，被选中匿名服务器根据用户的真实位置将精确的结果返回给查询用户。

2.根据权利要求1所述的基于位置k-匿名的个性化位置隐私保护方法，其特征在于：所述根据用户的隐私需求生成用户查询请求Q_u的过程为：

查询用户首先根据自定义的隐私参数，生成用户位置的隐私需求：

Q_p＝{K，A_min，A_max}

其中，K：用户自定义的位置k匿名的阈值，A_min：用户自定义的最小匿名区间，A_max：用户自定义的最大可容忍匿名区域；

然后根据自定义的位置敏感级别生成查询请求Q_u，

Q_u＝{U_id，Loc＝(x，y)，tp，SEL_u，Q_p＝{K，A_min，A_max}，con}，

其中，U_id：用户的身份标识；Loc：用户的位置，x、y为用户的经纬度坐标；

TP＝{tp₁，tp₂，......，tp_n}：n种位置类型的集合，tp为该用户的位置类型；

所有位置类型相对用户U的敏感级别；

SEL_tpi：位置类型敏感级别。

3.根据权利要求2所述的基于位置k-匿名的个性化位置隐私保护方法，其特征在于：所述随机选取其中一个匿名服务器生成匿名查询请求的过程为：

匿名服务器计算并存储每个位置的历史查询概率，假设位置历史查询概率越大，用户在该位置类型上发送查询请求的概率就越高；

随机选择其中一个匿名服务器根据用户位置标识数据获取位于在其他匿名服务器内的数据段而得到完整数据Q_u；

被选中匿名服务器首先根据用户发送的隐私参数K和SEL_u找到所有符合要求的原始匿名区域K_o-ASR，即每个原始匿名区域内包含对该用户位置敏感级别低的其他K-1个位置；

统计符合大于用户自定义最小匿名区域A_min的可能匿名区域K_p-ASR个数,考虑到历史查询概率的情况，根据信息熵公式计算所有的可能匿名区域的信息熵，将熵值最大且小于用户自定义的A_max的K个可能匿名区域K_p-ASR取出；

最后从K个可能匿名区域K_p-ASR中随机选取一个作为匿名区域K-ASR，形成匿名查询请求Q_a＝{U_id，K-ASR，con}。