CN109218974B - 一种协作隐私保护的节点确定方法及装置 - Google Patents
一种协作隐私保护的节点确定方法及装置 Download PDFInfo
- Publication number
- CN109218974B CN109218974B CN201811087956.4A CN201811087956A CN109218974B CN 109218974 B CN109218974 B CN 109218974B CN 201811087956 A CN201811087956 A CN 201811087956A CN 109218974 B CN109218974 B CN 109218974B
- Authority
- CN
- China
- Prior art keywords
- node
- user
- nodes
- privacy
- strategy
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004364 calculation method Methods 0.000 claims description 93
- 230000003997 social interaction Effects 0.000 claims description 17
- 230000008878 coupling Effects 0.000 claims description 13
- 238000010168 coupling process Methods 0.000 claims description 13
- 238000005859 coupling reaction Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Information Transfer Between Computers (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供了一种协作隐私保护的节点确定方法及装置。所述方法应用于每一第一节点，包括：向网络发送信息查询请求；标识出作出回应的LBS服务器和第二节点，作为该第一节点的候选策略节点；随机选取一个候选策略节点，标记为该第一节点的当前策略节点，在所有第一节点都有当前策略节点时，计算该当前策略节点的效用值；计算除当前策略节点外所有候选策略节点的效用值，将最大效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点；将当前策略节点与第一候选策略节点中最大效用值对应的策略节点更新为当前策略节点；在所有第一节点的当前策略节点不再变化时，将每一第一节点的当前策略节点，确定为该第一节点的目标策略节点。
Description
技术领域
本发明涉及网络隐私安全保护技术领域，特别是涉及一种协作隐私保护的节点确定方法及装置。
背景技术
随着通信技术、移动网络以及智能手持终端的快速发展，基于位置服务(LocationBased Service，LBS)的应用日益广泛，LBS给人们生活带来了很大的便捷，用户可以通过移动应用程序分享或获取不同兴趣点(Point of Interest，POI)中的各种信息。例如，用户可以通过向移动应用程序提供位置信息进而查找到自己感兴趣的餐厅、休闲场所等，用户还可以在访问某些地方时分享该地区的图片等。
在实际应用中，当用户需要基于LBS服务获取所感兴趣的信息时，用户需要向LBS服务器发送信息查询请求，同时向LBS服务器提交包括该用户真实位置的个人隐私信息，此时，LBS服务器会对收到的用户信息进行分析，以获得用户感兴趣的信息。在此过程中，若LBS服务器不可信，或重复向同一LBS服务器发送用户信息，可能会造成用户隐私的泄露。
目前，针对这种情况，提出了一种通过缓存进行隐私保护的方法。该方法通过在网络中的用户节点处缓存信息，用户节点比如为LBS服务的享用者，当用户需要基于LBS服务获取所感兴趣的信息时，用户向网络中发送信息查询请求，当有用户节点响应时，该用户从响应的用户节点中随机选取一个用户节点作为用户信息获取的目标节点，然后，向目标节点发送该用户包括位置信息的信息查询请求，进而从目标节点处获取该用户所感兴趣的信息。在此过程中，针对用户所发送的信息查询请求，可以直接从缓存信息的用户节点处获取信息，使得LBS服务器收不到足够完整的请求信息，避免了LBS服务器的隐私泄露情况。
然而，这种通过缓存进行隐私保护的方法中，用户随机选取一个缓存信息的用户节点作为用户信息获取的目标节点，当所选取的目标节点不可信时，该不可信的目标节点可能会收集发送信息查询请求的用户的隐私信息，进而使用收集的隐私信息来执行推理攻击，以推断和学习用户的真实隐私信息，导致用户的隐私遭到泄漏。
发明内容
本发明实施例的目的在于提供一种协作隐私保护的节点确定方法及装置，以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进而有效地保护用户的隐私。具体技术方案如下：
第一方面，本发明实施例提供了一种协作隐私保护的节点确定方法，应用于每一第一节点，所述第一节点为：在基于位置的服务LBS中注册的、有信息查询需求的节点，所述方法包括：
向网络发送信息查询请求；
获取并标识出针对该第一节点发送的信息查询请求作出回应的LBS服务器和第二节点，将所述第二节点和LBS服务器，作为该第一节点的候选策略节点；
在该第一节点的候选策略节点中随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点，并在所有第一节点都有当前策略节点时，计算该第一节点的当前策略节点对应的协作隐私效用值；其中，所述协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到；所述协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的；
计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点；
比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值；
判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化；
若否，则返回执行计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值的步骤；
若是，则将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。
可选的，采用如下步骤，预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系，得到协作隐私组：
将在LBS中注册的所有节点，作为用户节点；
使用物理耦合距离计算公式，依次计算所述用户节点中每两个用户节点之间的物理距离；
将所述物理距离大于预设物理距离的两个用户节点，确定为邻居节点；
使用社交强度计算公式，依次计算所述用户节点中每两个用户节点之间的社交强度；
将所述社交强度大于预设社交强度的两个用户节点，确定为社交朋友；
将任一所述用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组。
可选的，所述物理耦合距离计算公式为：
其中，所述用户节点的集合表示为U＝{u1，u2，...uN}，N为用户节点的个数，i和j表示第i个用户节点ui和第j个用户节点uj，
为用户节点ui和用户节点uj第k次相遇的时间，T为统计时间对应的总时间，x为用户节点ui和用户节点uj在总时间T内的相遇次数，Lij为用户节点ui和用户节点uj之间的物理距离；
所述社交强度计算公式为：
其中，g为第g个社会度量指标，m为社会度量指标的个数，wg为第g个社会度量指标的权重值，
为用户节点ui和用户节点uj之间的第g个度量指标的相似度值，Sij为用户节点ui和用户节点uj之间的社交强度。
可选的，所述计算该第一节点的当前策略节点对应的协作隐私效用值的步骤，包括：
基于所述每两个用户节点之间的物理距离和社交强度，使用节点距离计算公式，计算所述每两个用户节点之间的节点距离；
基于所述节点距离，使用隐私泄露计算公式，计算该第一节点的当前策略节点对应的隐私泄露值；
将该第一节点的当前策略节点对应的隐私泄露值，使用转换公式，转换为该第一节点的当前策略节点对应的隐私效用值；
利用该第一节点的当前策略节点对应的隐私效用值，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。
可选的，所述节点距离计算公式为：
其中，Lij为第i个用户节点ui和第j个用户节点uj之间的物理距离，Sij为用户节点ui和用户节点uj之间的社交强度，dij为用户节点ui和用户节点uj之间的节点距离；
所述隐私泄露计算公式为：
其中，令Xi＝{is，i1，i2，...，in}表示用户节点ui所选择的策略节点，is，i1，i2，...，in的取值为1或0，is取1表示用户节点ui选择LBS服务器作为策略节点，is中的下标s表示服务器，ij取1表示用户节点ui选择用户节点uj作为策略节点，j取值为1，2，……，n，n为用户节点ui的策略节点选择的个数，用户节点ui所在协作隐私组中所有节点的查询策略集合为a＝{a1，a2，...，an}，
为用户节点ui的邻居节点的集合，
中的上标p表示邻居节点，Hj为用户节点uj对应位置的概率接近程度，Pi(a)为用户节点ui的隐私泄露值，β∈[0，1]是所有缓存信息节点中恶意节点所占的比例，Xj＝{js，j1，j2，...，jf}表示用户节点uj的策略节点选择，js，j1，j2，...，jf的取值为1或0，js取1表示用户节点uj选择LBS服务器作为策略节点，js中的下标s表示服务器，jr取1表示用户节点uj选择用户节点ur作为策略节点，r取值为1，2，……，f，f为用户节点uj的策略节点选择的个数；
所述转换公式为：
Yi(a)＝-Pi(a)
其中，Yi(a)为用户节点ui的隐私效用值；
所述协作隐私效用计算公式为：
其中，所述ψi(a)为用户节点ui的当前策略节点对应的协作隐私效用值，Yi(a)为用户节点ui的隐私效用值，Yj(a)为用户节点ui的社交朋友节点uj的隐私效用值，
为用户节点ui的社交朋友的集合，
中的上标ss表示社交朋友，Sij为用户节点ui和用户节点uj之间的社交强度。
可选的，所述信息查询请求包括：所述每一第一节点的节点标识、位置信息；
所述每一第一节点的位置信息包括：所述每一第一节点的真实位置信息、v-1个虚拟位置信息；其中，v表示所述每一第一节点发送的位置信息的个数。
可选的，采用如下步骤，确定v-1个虚拟位置信息：
获取该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率；所述用户节点对应的查询概率为：所述用户节点查询信息的频率；
在该第一节点所在的协作隐私组中、选取查询概率由高到低的前v-1个用户节点，使用熵计算公式，量化所述v-1个用户节点对应位置的概率接近程度；
将v-1个用户节点对应位置的概率接近程度较大对应的v-1个用户节点的位置信息，确定为该第一节点对应的虚拟位置信息。
可选的，所述熵计算公式为：
其中，q为v-1个用户节点中的第q个用户节点uq，Kq为第q个用户节点uq对应的查询概率，Hq为用户节点uq对应位置的概率接近程度。
第二方面，本发明实施例还提供了一种协作隐私保护的节点确定装置，应用于每一第一节点，所述第一节点为：在基于位置的服务LBS中注册的、有信息查询需求的节点，所述装置包括：
发送模块，用于向网络发送信息查询请求；
获取模块，用于获取并标识出针对该第一节点发送的信息查询请求作出回应的LBS服务器和第二节点，将所述第二节点和LBS服务器，作为该第一节点的候选策略节点；
第一计算模块，用于在该第一节点的候选策略节点中随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点，并在所有第一节点都有当前策略节点时，计算该第一节点的当前策略节点对应的协作隐私效用值；其中，所述协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到；所述协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的；
第二计算模块，用于计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点；
比较模块，用于比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值；
判断模块，用于判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化；
第一确定模块，用于在所述判断模块判断出所有第一节点的当前策略节点及对应的协作隐私效用值还变化时，返回执行计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值的步骤；在所述判断模块判断出所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。
可选的，所述第一计算模块，包括：
第一确定子模块，用于将在LBS中注册的所有节点，作为用户节点；
第一计算子模块，用于使用物理耦合距离计算公式，依次计算所述用户节点中每两个用户节点之间的物理距离；
第二确定子模块，用于将所述物理距离大于预设物理距离的两个用户节点，确定为邻居节点；
第二计算子模块，用于使用社交强度计算公式，依次计算所述用户节点中每两个用户节点之间的社交强度；
第三确定子模块，用于将所述社交强度大于预设社交强度的两个用户节点，确定为社交朋友；
第四确定子模块，用于将任一所述用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组。
可选的，所述物理耦合距离计算公式为：
其中，所述用户节点的集合表示为U＝{u1，u2，...uN}，N为用户节点的个数，i和j表示第i个用户节点ui和第j个用户节点uj，
为用户节点ui和用户节点uj第k次相遇的时间，T为统计时间对应的总时间，x为用户节点ui和用户节点uj在总时间T内的相遇次数，Lij为用户节点ui和用户节点uj之间的物理距离；
所述社交强度计算公式为：
其中，g为第g个社会度量指标，m为社会度量指标的个数，wg为第g个社会度量指标的权重值，
为用户节点ui和用户节点uj之间的第g个度量指标的相似度值，Sij为用户节点ui和用户节点uj之间的社交强度。
可选的，所述第一计算模块，包括：
第三计算子模块，用于基于所述每两个用户节点之间的物理距离和社交强度，使用节点距离计算公式，计算所述每两个用户节点之间的节点距离；
第四计算子模块，用于基于所述节点距离，使用隐私泄露计算公式，计算该第一节点的当前策略节点对应的隐私泄露值；
第五计算子模块，用于将该第一节点的当前策略节点对应的隐私泄露值，使用转换公式，转换为该第一节点的当前策略节点对应的隐私效用值；
第六计算子模块，用于利用该第一节点的当前策略节点对应的隐私效用值，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。
可选的，所述节点距离计算公式为：
其中，Lij为第i个用户节点ui和第j个用户节点uj之间的物理距离，Sij为用户节点ui和用户节点uj之间的社交强度，dij为用户节点ui和用户节点uj之间的节点距离；
所述隐私泄露计算公式为：
其中，令Xi＝{is，i1，i2，...，in}表示用户节点ui所选择的策略节点，is，i1，i2，...，in的取值为1或0，is取1表示用户节点ui选择LBS服务器作为策略节点，is中的下标s表示服务器，ij取1表示用户节点ui选择用户节点uj作为策略节点，j取值为1，2，……，n，n为用户节点ui的策略节点选择的个数，用户节点ui所在协作隐私组中所有节点的查询策略集合为a＝{a1，a2，...，an}，
为用户节点ui的邻居节点的集合，
中的上标p表示邻居节点，Hj为用户节点uj对应位置的概率接近程度，Pi(a)为用户节点ui的隐私泄露值，β∈[0，1]是所有缓存信息节点中恶意节点所占的比例，Xj＝{js，j1，j2，...，jf}表示用户节点uj的策略节点选择，js，j1，j2，...，jf的取值为1或0，js取1表示用户节点uj选择LBS服务器作为策略节点，js中的下标s表示服务器，jr取1表示用户节点uj选择用户节点ur作为策略节点，r取值为1，2，……，f，f为用户节点uj的策略节点选择的个数；
所述转换公式为：
Yi(a)＝-Pi(a)
其中，Yi(a)为用户节点ui的隐私效用值；
所述协作隐私效用计算公式为：
其中，所述ψi(a)为用户节点ui的当前策略节点对应的协作隐私效用值，Yi(a)为用户节点ui的隐私效用值，Yj(a)为用户节点ui的社交朋友节点uj的隐私效用值，
为用户节点ui的社交朋友的集合，
中的上标ss表示社交朋友，Sij为用户节点ui和用户节点uj之间的社交强度。
可选的，所述信息查询请求包括：所述每一第一节点的节点标识、位置信息；
所述每一第一节点的位置信息包括：所述每一第一节点的真实位置信息、v-1个虚拟位置信息；其中，v表示所述每一第一节点发送的位置信息的个数。
可选的，所述装置还包括：第二确定模块，用于确定v-1个虚拟位置信息：
所述第二确定模块包括：
第一获取子模块，用于获取该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率；所述用户节点对应的查询概率为：所述用户节点查询信息的频率；
第七计算子模块，用于在该第一节点所在的协作隐私组中、选取查询概率由高到低的前v-1个用户节点，使用熵计算公式，量化所述v-1个用户节点对应位置的概率接近程度；
第五确定子模块，用于将v-1个用户节点对应位置的概率接近程度较大对应的v-1个用户节点的位置信息，确定为该第一节点对应的虚拟位置信息。
可选的，所述熵计算公式为：
其中，q为v-1个用户节点中的第q个用户节点uq，Kq为第q个用户节点uq对应的查询概率，Hq为用户节点uq对应位置的概率接近程度。
第三方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的一种协作隐私保护的节点确定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的一种协作隐私保护的节点确定方法。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的一种协作隐私保护的节点确定方法。
本发明实施例提供的一种协作隐私保护的节点确定方法及装置，因每一第一节点的协作隐私效用值是，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到，每一第一节点都是选取最大协作隐私效用值对应的策略节点作为该第一节点的当前策略节点，可以在众多候选策略节点中，选取相对可靠的策略节点作为该第一节点的当前策略节点。并且，在所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。每一第一节点的当前策略节点对应协作隐私效用值的计算都考虑到了、该第一节点的协作隐私组内所有节点的隐私泄露，且在所有第一节点的当前策略不再变化达到最优平衡时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。可以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进一步减少第一节点的隐私泄露，进而有效地保护用户的隐私。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种协作隐私保护的节点确定方法的流程图；
图2为本发明实施例中得到协作隐私组的一种实施方式流程图；
图3为本发明实施例中计算策略节点效用值的一种实施方式流程图；
图4为本发明实施例中确定虚拟位置信息的一种实施方式流程图；
图5为本发明实施例提供的一种协作隐私保护的节点确定装置的结构示意图；
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术问题，本发明实施例提供了一种协作隐私保护的节点确定方法及装置，以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进而有效地保护用户的隐私。
下面首先对本发明实施例所提供的一种协作隐私保护的节点确定方法进行介绍。
本发明实施例所提供的一种协作隐私保护的节点确定方法，应用于每一第一节点，其中，第一节点为：在基于位置的服务LBS中注册的、有信息查询需求的节点。
如图1所示，图1为本发明实施例提供的一种协作隐私保护的节点确定方法的流程图，该方法可以包括：
S101，向网络发送信息查询请求。
本发明实施例中，在基于位置的服务LBS中注册的、有信息查询需求的每一个第一节点，都可以向网络中发送信息查询请求。实际应用中，有信息查询需求的第一节点可以在网络中以广播的方式将信息查询请求进行发送，以使得在LBS中注册的其他用户节点或LBS服务器能够接收到该广播信息。具体的，本发明实施例中对有信息查询需求的第一节点发送信息查询请求的方式不作限制。
其中，每一第一节点所发送的信息查询请求可以包括：该第一节点的节点标识、位置信息。该第一节点的节点标识可以为：该第一节点的用户名、用户身份标识(Identity，ID)、用户互联网协议地址(Intemet Protocol Address，IP)等标识信息，具体的，本领域技术人员可根据实际需求对第一节点的节点标识进行设置。该第一节点的位置信息可以包括：该第一节点的真实位置信息、v-1个虚拟位置信息，其中，v表示该第一节点发送的位置信息的个数，具体的，该第一节点的v-1个虚拟位置信息的确定方式及过程在下文进行详细介绍。
S102，获取并标识出针对该第一节点发送的信息查询请求作出回应的LBS服务器和第二节点，将第二节点和LBS服务器，作为该第一节点的候选策略节点。
当有信息查询需求的第一节点在向网络中发送信息查询请求之后，针对该第一节点所发送的信息查询请求，在LBS中注册的其他节点以及LBS服务器，都有可能会对该信息查询请求作出回应。在实际应用中，第一节点为有信息查询需求的节点，该第一节点也可以为其他有信息查询需求的节点提供信息，此时该第一节点为针对其他第一节点发送的信息查询请求作出回应的的第二节点。同时，对第一节点发送的信息查询请求作出回应的第二节点，也可能会有信息查询需求，此时该第二节点也可以为第一节点。
本发明实施例中一种可选的实现方式为：获取并标识出针对该第一节点所发送的信息查询请求作出回应的LBS服务器和第二节点，然后，将标识出的第二节点和LBS服务器，作为该第一节点的候选策略节点。
S103，在该第一节点的候选策略节点中随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点，并在所有第一节点都有当前策略节点时，计算该第一节点的当前策略节点对应的协作隐私效用值；其中，协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到；协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的。
本发明实施例中一种可选的实现方式为：在标识出该第一节点的候选策略节点之后，可以在该第一节点的候选策略节点中先随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点(即，为该第一节点选取一个初始的信息提供者)。所有的第一节点之间是有通信连接的，在所有的第一节点都有当前策略节点时，依次计算每一第一节点的当前策略节点对应的协作隐私效用值，完成所有第一节点对应当前策略节点的初始化过程。
其中，该协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到，即该第一节点的当前策略节点对应的协作隐私效用值，会受到其策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露的影响，具体的，计算该第一节点的当前策略节点对应的协作隐私效用值的方式及过程在下文进行详细介绍。协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的，具体确定协作隐私组的方式及过程在下文进行详细介绍。
S104，计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点。
在完成所有第一节点对应当前策略节点的初始化过程之后，每一第一节点，计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，然后，比较所计算的该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，并将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点。实际应用中，所标记的该第一节点的第一候选策略节点可能有一个，也可能会有多个，本发明实施例在此不作限制。
S105，比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值。
在标记出该第一节点的第一候选策略节点之后，比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值，完成对该第一节点对应的策略节点的一次更新。
S106，判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化，若否，则返回执行S104的步骤；若是，则执行S107的步骤。
本发明实施例中一种可选的实现方式为：每一第一节点可以依次完成对该第一节点对应的策略节点的一次更新，当所有第一节点的当前策略节点及对应的协作隐私效用值完成一次更新之后，与更新之前该第一节点的当前策略节点及对应的协作隐私效用值进行比较，判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化。当判断出有第一节点的当前策略节点及对应的协作隐私效用值发生变化时，则返回执行S104的步骤；当判断出所有第一节点的当前策略节点及对应的协作隐私效用值不再发生变化时，则执行S107的步骤。
S107，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。
在所有第一节点的当前策略节点及对应的协作隐私效用值不再发生变化时，说明所有第一节点的当前策略节点及对应的协作隐私效用值达到了一个平衡状态，此时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。
本发明实施例提供的一种协作隐私保护的节点确定方法，因每一第一节点的协作隐私效用值是，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到，每一第一节点都是选取最大协作隐私效用值对应的策略节点作为该第一节点的当前策略节点，可以在众多候选策略节点中，选取相对可靠的策略节点作为该第一节点的当前策略节点。并且，在所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。每一第一节点的当前策略节点对应协作隐私效用值的计算都考虑到了、该第一节点的协作隐私组内所有节点的隐私泄露，且在所有第一节点的当前策略不再变化达到最优平衡时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。可以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进一步减少第一节点的隐私泄露，进而有效地保护用户的隐私。
本发明实施例中一种可选的实现方式可以为：当有信息查询需求的第一节点只有一个时，在实现的过程中可以省略步骤S106，然后，使用图1所示实施例的方法来确定该第一节点对应的目标策略节点。
在图1所示实施例的基础上，如图2所示，图2为本发明实施例中得到协作隐私组的一种实施方式流程图，该方式可以包括：
本发明实施例中，确定在LBS中注册的所有节点的协作隐私组的实施方式，是基于计算在LBS中注册的所有节点之间的物理距离关系和社会关系而得到的。在具体的计算过程中，引入了SIGCOMM2009数据集，该数据集中的数据是在2009年的Sigcomm会议期间跟踪收集的。该数据集中包含了由机会主义移动社交应用程序MobiClique收集的数据，数据集包括蓝牙设备接近情况，相遇信息创建和传播，以及参与者的社交简介，该社交简介包括朋友和兴趣等，根据这些数据集计算所有节点两两之间的物理距离和社交距离，进一步来确定所有节点所在的协作隐私组。
S201，将在LBS中注册的所有节点，作为用户节点。
S202，使用物理耦合距离计算公式，依次计算用户节点中每两个用户节点之间的物理距离。
在计算LBS中注册的所有节点之间的物理距离关系和社会关系时，首先，将在LBS中注册的所有节点，作为用户节点。然后，使用物理耦合距离计算公式，依次计算所有用户节点中每两个用户节点之间的物理距离。
本发明实施例中，将物理耦合距离定义为统计的总时间段内持续接触时间所占的比例，具体的，所使用的物理耦合距离计算公式可以为：
其中，用户节点的集合表示为U＝{u1，u2，...uN}，N为用户节点的个数，i和j表示第i个用户节点ui和第j个用户节点uj，
为用户节点ui和用户节点uj第k次相遇的时间，T为统计时间对应的总时间，x为用户节点ui和用户节点uj在总时间T内的相遇次数，Lij为用户节点ui和用户节点uj之间的物理距离；
S203，将物理距离大于预设物理距离的两个用户节点，确定为邻居节点。
本发明实施例中，计算LBS中注册的所有用户节点中每两个用户节点之间的物理距离，然后，将计算得到的物理距离大于预设物理距离的两个用户节点，确定为邻居节点。其中，计算得到的用户节点ui和用户节点uj之间的物理距离Lij越大，表明用户节点ui和用户节点uj的物理距离越接近。
示例性的，当计算得到的用户节点ui和用户节点uj之间的物理距离Lij大于预设物理距离L0时，将用户节点ui和用户节点uj确定为邻居节点。具体的，预设物理距离L0的值，本领域技术人员可根据实际需求进行设置，本发明在此不作限制。
S204，使用社交强度计算公式，依次计算用户节点中每两个用户节点之间的社交强度。
本发明实施例中，将社交强度达到一定值的两个或多个用户节点定义为社交朋友，社交朋友的亲密程度是以量化的社交强度为依托的。在本发明实施例中，以包括社会互动，社会身份，社交朋友和社会兴趣的社会度量指标来衡量两个用户节点之间的社交联系情况，利用用户节点之间度量指标的相似度值来推算用户节点之间的社交强度。具体的，计算所有用户节点中每两个用户节点之间的社交强度，所使用的社交强度计算公式可以为：
其中，g为第g个社会度量指标，m为社会度量指标的个数，wg为第g个社会度量指标的权重值，
为用户节点ui和用户节点uj之间的第g个度量指标的相似度值，Sij为用户节点ui和用户节点uj之间的社交强度。
S205，将社交强度大于预设社交强度的两个用户节点，确定为社交朋友。
本发明实施例中，计算LBS中注册的所有用户节点中每两个用户节点之间的社交强度，然后，将计算得到的社交强度大于预设社交强度的两个用户节点，确定为社交朋友。其中，计算得到的用户节点ui和用户节点uj之间的社交强度Sij越大，表明用户节点ui和用户节点uj的社会距离越接近。
示例性的，当计算得到的用户节点ui和用户节点uj之间的社交强度Sij大于预设社交强度S0时，将用户节点ui和用户节点uj确定为社交朋友。具体的，预设社交强度S0的值，本领域技术人员可根据实际需求进行设置，本发明在此不作限制。
S206，将任一用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组。
在完成LBS中注册的所有用户节点中每两个用户节点之间的物理距离和社交强度的计算之后，就可以确定所有用户节点中每一用户节点的邻居节点和社交好友，将任一用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组。
本发明实施例中，首先，计算LBS中注册的所有用户节点中每两个用户节点之间的物理距离和社交强度，然后，以计算得到的物理距离和社交强度确定邻居节点和社交好友，将任一用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组。则该用户节点的协作隐私组中所包括的该用户节点的邻居节点和社交朋友，都是该用户节点相对较信任的节点，用户节点在这些相对较信任的节点处获取信息相对而言也比较安全。
在图1所示实施例的基础上，如图3所示，图3为本发明实施例中计算策略节点效用值的一种实施方式流程图，该方式可以包括：
S301，基于每两个用户节点之间的物理距离和社交强度，使用节点距离计算公式，计算每两个用户节点之间的节点距离。
本发明实施例中，在得到LBS中注册的所有用户节点中每两个用户节点之间的物理距离和社交强度之后，再使用节点距离计算公式，计算每两个用户节点之间的节点距离。其中，所使用的节点距离计算公式可以为：
其中，Lij为第i个用户节点ui和第j个用户节点uj之间的物理距离，Sij为用户节点ui和用户节点uj之间的社交强度，dij为用户节点ui和用户节点uj之间的节点距离。
S302，基于节点距离，使用隐私泄露计算公式，计算该第一节点的当前策略节点对应的隐私泄露值。
在得到LBS中注册的所有用户节点中每两个用户节点之间的节点距离之后，第一节点ui，可以使用隐私泄露计算公式，计算该第一节点ui的当前策略节点对应的隐私泄露值所使用的隐私泄露计算公式可以为：
其中，令Xi＝{is，i1，i2，...，in}表示用户节点ui所选择的策略节点，is，i1，i2，...，in的取值为1或0，is取1表示用户节点ui选择LBS服务器作为策略节点，is中的下标s表示服务器，ij取1表示用户节点ui选择用户节点uj作为策略节点，j取值为1，2，……，n，n为用户节点ui的策略节点选择的个数，用户节点ui所在协作隐私组中所有节点的查询策略集合为a＝{a1，a2，...，an}，
为用户节点ui的邻居节点的集合，
中的上标p表示邻居节点，Hj为用户节点uj对应位置的概率接近程度，Pi(a)为用户节点ui的隐私泄露值，β∈[0，1]是所有缓存信息节点中恶意节点所占的比例，Xj＝{js，j1，j2，...，jf}表示用户节点uj的策略节点选择，js，j1，j2，...，jf的取值为1或0，js取1表示用户节点uj选择LBS服务器作为策略节点，js中的下标s表示服务器，jr取1表示用户节点uj选择用户节点ur作为策略节点，r取值为1，2，……，f，f为用户节点uj的策略节点选择的个数。
本发明实施例中，为了计算方便，可以将上述所使用的隐私泄露计算公式整合为：
其中，γ为简化公式
而增加的字母，没有实际物理含义，其值为：当is＝js＝1时，γ＝1，当ik＝jk＝1，k＝{1，2，...，n}时，γ＝β。当I{·}为真时，I{·}＝1，当I{·}为假时，I{·}＝0。
S303，将该第一节点的当前策略节点对应的隐私泄露值，使用转换公式，转换为该第一节点的当前策略节点对应的隐私效用值。
在计算得到该第一节点的当前策略节点对应的隐私泄露值之后，使用转换公式，转换为第一节点的当前策略节点对应的隐私效用值。具体的，所使用的转换公式可以为：
Yi(a)＝-Pi(a)
其中，Pi(a)为用户节点ui的隐私泄露值，Yi(a)为用户节点ui的隐私效用值。
S304，利用该第一节点的当前策略节点对应的隐私效用值，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。
在得到该第一节点的当前策略节点对应的隐私效用值之后，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。具体的，所使用的协作隐私效用计算公式可以为：
其中，ψi(a)为用户节点ui的当前策略节点对应的协作隐私效用值，Yi(a)为用户节点ui的隐私效用值，Yj(a)为用户节点ui的社交朋友节点uj的隐私效用值，
为用户节点ui的社交朋友的集合，
中的上标ss表示社交朋友，Sij为用户节点ui和用户节点uj之间的社交强度。
本发明实施例中，因用户节点之间存在物理距离关系和社会关系，当有信息查询需求的第一节点向LBS服务器或其他用户节点发送LBS查询时，该查询请求也可能揭示其邻居节点或社交朋友节点的隐私。例如，第一节点使用LBS共享照片，恰巧其社交朋友也在照片中，这种行为会导致第一节点的隐私遭到泄露，其朋友的隐私也会被泄露。为了防止这种隐私泄露，利用物理距离关系和社会关系共同保护隐私，在计算第一节点对应策略的协作隐私效应值时将邻居节点和社交朋友节点考虑在内，可以实现协作隐私保护的目的。
在图1所示实施例的基础上，如图4所示，图4为本发明实施例中确定虚拟位置信息的一种实施方式流程图，该方式可以包括：
S401，获取该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率；用户节点对应的查询概率为：用户节点查询信息的频率。
本发明实施例中，第一节点所发送的信息查询请求中可以包括该第一节点的位置信息，该第一节点的位置信息可以包括：该第一节点的真实位置信息、v-1个虚拟位置信息，其中，v表示该第一节点发送的位置信息的个数。具体的，在确定该第一节点的v-1个虚拟位置信息时，可以先获取该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率。其中，用户节点对应的查询概率为：用户节点查询信息的频率。
S402，在该第一节点所在的协作隐私组中、选取查询概率由高到低的前v-1个用户节点，使用熵计算公式，量化v-1个用户节点对应位置的概率接近程度。
获取到该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率之后，在该第一节点所在的协作隐私组中、选取查询概率由高到低的前v-1个用户节点，使用熵计算公式，量化v-1个用户节点对应位置的概率接近程度。具体的，所使用的熵计算公式可以为：
其中，q为v-1个用户节点中的第q个用户节点uq，Kq为第q个用户节点uq对应的查询概率，Hq为用户节点uq对应位置的概率接近程度。
S403，将v-1个用户节点对应位置的概率接近程度较大对应的v-1个用户节点的位置信息，确定为该第一节点对应的虚拟位置信息。
本发明实施例中，Hq越大，表明这v-1个用户节点对应位置的概率接近程度越大，那么，在该第一节点发出信息查询请求之后，响应并最终向该第一节点提供信息的信息提供者(策略节点)就越难辨别出真正的该第一节点的真实位置，则该第一节点的隐私也就能够得到越好的保护。
本发明实施例中，当有信息查询需求的第一节点有多个时，这多个第一节点可能在同一个协作隐私组，也可能在不同的协作隐私组。在确定每个第一节点对应的目标策略节点的过程中，每个第一节点都考虑其整个协作隐私组的效用值。
示例性的，在确定用户节点ui的目标策略节点的过程中，计算该用户节点ui的当前策略节点对应的协作隐私效用值时，因考虑了用户节点ui的邻居节点及社交好友的集合，协作隐私效用值的计算会受到与该用户节点ui在同一协作隐私组中其他用户节点协作隐私效用值的影响，故将问题转化为协作隐私效用最大化博弈问题，即找到多个第一节点的当前策略节点及对应的协作隐私效用值都已更新，且不再变化的平衡点。
具体的，将该博弈问题可以表示为
其中，U表示该博弈中的用户节点的集合，{Xi}表示用户节点ui的策略选择的集合，{ψ(a)}表示用户节点ui的相应策略的协作隐私效用值的集合。除用户节点ui之外的所有用户节点的策略组合定义为a-i＝{a1，a2，...，ai-1，ai+1，...，ab}，故有a＝{ai，a-i}，b为所有用户节点的个数。对于用户节点ui，给定策略设置为a-i，用户节点ui在此基础上选择使得协作隐私效用值最大的策略，即寻找
使得对任意不同的a′i，都有
这样
就是最大限度地增大协作隐私效用值所对应的策略。对所有的用户节点ui，都采取同样的措施，直到所有的用户节点ui都找到了最佳的
为用户节点ui的最佳策略，a′i为用户节点ui的第一候选策略，ab为第b个用户节点ub的策略。
本发明实施例中，为了找到最大的协作隐私效用值对应的策略组合，利用博弈理论中的纳什均衡。纳什均衡是一种策略组合，在纳什均衡状态下，没有一个用户节点可以通过单方面改变该用户节点的策略增大自己的协作隐私效用值。如果
是博弈问题中的纳什均衡，则对任意用户节点ui以及任意的策略组合，都有
本发明实施例提供的一种协作隐私保护的节点确定方法，因每一第一节点的协作隐私效用值是，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到，每一第一节点都是选取最大协作隐私效用值对应的策略节点作为该第一节点的当前策略节点，可以在众多候选策略节点中，选取相对可靠的策略节点作为该第一节点的当前策略节点。并且，在所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。每一第一节点的当前策略节点对应协作隐私效用值的计算都考虑到了、该第一节点的协作隐私组内所有节点的隐私泄露，且在所有第一节点的当前策略不再变化达到最优平衡时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。可以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进一步减少第一节点的隐私泄露，进而有效地保护用户的隐私。
相应于上述方法实施例，本发明实施例提供了一种协作隐私保护的节点确定装置，如图5所示，本发明实施例所提供的一种协作隐私保护的节点确定装置，应用于每一第一节点，其中，第一节点为：在基于位置的服务LBS中注册的、有信息查询需求的节点。所述装置可以包括：
发送模块501，用于向网络发送信息查询请求；
获取模块502，用于获取并标识出针对该第一节点发送的信息查询请求作出回应的LBS服务器和第二节点，将所述第二节点和LBS服务器，作为该第一节点的候选策略节点；
第一计算模块503，用于在该第一节点的候选策略节点中随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点，并在所有第一节点都有当前策略节点时，计算该第一节点的当前策略节点对应的协作隐私效用值；其中，所述协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到；所述协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的；
第二计算模块504，用于计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点；
比较模块505，用于比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值；
判断模块506，用于判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化；
第一确定模块507，用于在所述判断模块506判断出所有第一节点的当前策略节点及对应的协作隐私效用值还变化时，返回执行计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值的步骤；在所述判断模块判断出所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。
本发明实施例提供的一种协作隐私保护的节点确定装置，因每一第一节点的协作隐私效用值是，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到，每一第一节点都是选取最大协作隐私效用值对应的策略节点作为该第一节点的当前策略节点，可以在众多候选策略节点中，选取相对可靠的策略节点作为该第一节点的当前策略节点。并且，在所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。每一第一节点的当前策略节点对应协作隐私效用值的计算都考虑到了、该第一节点的协作隐私组内所有节点的隐私泄露，且在所有第一节点的当前策略不再变化达到最优平衡时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。可以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进一步减少第一节点的隐私泄露，进而有效地保护用户的隐私。
需要说明的是，本发明实施例的装置是与图1所示的一种协作隐私保护的节点确定方法对应的装置，图1所示的一种协作隐私保护的节点确定方法的所有实施例均适用于该装置，且均能达到相同的有益效果。
可选的，所述第一计算模块，包括：
第一确定子模块，用于将在LBS中注册的所有节点，作为用户节点；
第一计算子模块，用于使用物理耦合距离计算公式，依次计算所述用户节点中每两个用户节点之间的物理距离；
第二确定子模块，用于将所述物理距离大于预设物理距离的两个用户节点，确定为邻居节点；
第二计算子模块，用于使用社交强度计算公式，依次计算所述用户节点中每两个用户节点之间的社交强度；
第三确定子模块，用于将所述社交强度大于预设社交强度的两个用户节点，确定为社交朋友；
第四确定子模块，用于将任一所述用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组。
可选的，所述物理耦合距离计算公式为：
其中，所述用户节点的集合表示为U＝{u1，u2，...uN}，N为用户节点的个数，i和j表示第i个用户节点ui和第j个用户节点ui，
为用户节点ui和用户节点uj第k次相遇的时间，T为统计时间对应的总时间，x为用户节点ui和用户节点uj在总时间T内的相遇次数，Lij为用户节点ui和用户节点uj之间的物理距离；
所述社交强度计算公式为：
其中，g为第g个社会度量指标，m为社会度量指标的个数，wg为第g个社会度量指标的权重值，
为用户节点ui和用户节点uj之间的第g个度量指标的相似度值，Sij为用户节点ui和用户节点uj之间的社交强度。
可选的，所述第一计算模块，包括：
第三计算子模块，用于基于所述每两个用户节点之间的物理距离和社交强度，使用节点距离计算公式，计算所述每两个用户节点之间的节点距离；
第四计算子模块，用于基于所述节点距离，使用隐私泄露计算公式，计算该第一节点的当前策略节点对应的隐私泄露值；
第五计算子模块，用于将该第一节点的当前策略节点对应的隐私泄露值，使用转换公式，转换为该第一节点的当前策略节点对应的隐私效用值；
第六计算子模块，用于利用该第一节点的当前策略节点对应的隐私效用值，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。
可选的，所述节点距离计算公式为：
其中，Lij为第i个用户节点ui和第j个用户节点uj之间的物理距离，Sij为用户节点ui和用户节点uj之间的社交强度，dij为用户节点ui和用户节点uj之间的节点距离；
所述隐私泄露计算公式为：
其中，令Xi＝{is，i1，i2，...，in}表示用户节点ui所选择的策略节点，is，i1，i2，...，in的取值为1或0，is取1表示用户节点ui选择LBS服务器作为策略节点，is中的下标s表示服务器，ij取1表示用户节点ui选择用户节点uj作为策略节点，j取值为1，2，……，n，n为用户节点ui的策略节点选择的个数，用户节点ui所在协作隐私组中所有节点的查询策略集合为a＝{a1，a2，...，an}，
为用户节点ui的邻居节点的集合，
中的上标p表示邻居节点，Hj为用户节点uj对应位置的概率接近程度，Pi(a)为用户节点ui的隐私泄露值，β∈[0，1]是所有缓存信息节点中恶意节点所占的比例，Xj＝{js，j1，j2，...，jf}表示用户节点uj的策略节点选择，js，j1，j2，...，jf的取值为1或0，js取1表示用户节点uj选择LBS服务器作为策略节点，js中的下标s表示服务器，jr取1表示用户节点uj选择用户节点ur作为策略节点，r取值为1，2，……，f，f为用户节点uj的策略节点选择的个数；
所述转换公式为：
Yi(a)＝-Pi(a)
其中，Yi(a)为用户节点ui的隐私效用值；
所述协作隐私效用计算公式为：
其中，所述ψi(a)为用户节点ui的当前策略节点对应的协作隐私效用值，Yi(a)为用户节点ui的隐私效用值，Yj(a)为用户节点ui的社交朋友节点uj的隐私效用值，
为用户节点ui的社交朋友的集合，
中的上标ss表示社交朋友，Sij为用户节点ui和用户节点uj之间的社交强度。
可选的，所述信息查询请求包括：所述每一第一节点的节点标识、位置信息；
所述每一第一节点的位置信息包括：所述每一第一节点的真实位置信息、v-1个虚拟位置信息；其中，v表示所述每一第一节点发送的位置信息的个数。
可选的，所述装置还包括：第二确定模块，用于确定v-1个虚拟位置信息：
所述第二确定模块包括：
第一获取子模块，用于获取该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率；所述用户节点对应的查询概率为：所述用户节点查询信息的频率；
第七计算子模块，用于在该第一节点所在的协作隐私组中、选取查询概率由高到低的前v-1个用户节点，使用熵计算公式，量化所述v-1个用户节点对应位置的概率接近程度；
第五确定子模块，用于将v-1个用户节点对应位置的概率接近程度较大对应的v-1个用户节点的位置信息，确定为该第一节点对应的虚拟位置信息。
可选的，所述熵计算公式为：
其中，q为v-1个用户节点中的第q个用户节点uq，Kq为第q个用户节点uq对应的查询概率，Hq为用户节点uq对应位置的概率接近程度。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口702，存储器603通过通信总线604完成相互间的通信；
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现本发明实施例所提供的一种协作隐私保护的节点确定方法。
本发明实施例提供的一种电子设备，因每一第一节点的协作隐私效用值是，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到，每一第一节点都是选取最大协作隐私效用值对应的策略节点作为该第一节点的当前策略节点，可以在众多候选策略节点中，选取相对可靠的策略节点作为该第一节点的当前策略节点。并且，在所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。每一第一节点的当前策略节点对应协作隐私效用值的计算都考虑到了、该第一节点的协作隐私组内所有节点的隐私泄露，且在所有第一节点的当前策略不再变化达到最优平衡时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点。可以减少因网络中的LBS服务器和缓存信息的用户节点不可信所造成的隐私泄露现象，进一步减少第一节点的隐私泄露，进而有效地保护用户的隐私。
上述电子设备提到的通信总线604可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线604可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口602用于上述电子设备与其他设备之间的通信。
存储器603可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器603还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种协作隐私保护的节点确定方法，以获取相同的技术效果。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的的一种协作隐私保护的节点确定方法，以获取相同的技术效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置/电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (7)
1.一种协作隐私保护的节点确定方法，其特征在于，应用于每一第一节点，所述第一节点为：在基于位置的服务LBS中注册的、有信息查询需求的节点，所述方法包括：
向网络发送信息查询请求；
获取并标识出针对该第一节点发送的信息查询请求作出回应的LBS服务器和第二节点，将所述第二节点和LBS服务器，作为该第一节点的候选策略节点；
在该第一节点的候选策略节点中随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点，并在所有第一节点都有当前策略节点时，计算该第一节点的当前策略节点对应的协作隐私效用值；其中，所述协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到；所述协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的；
计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点；
比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值；
判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化；
若否，则返回执行计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值的步骤；
若是，则将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点；
采用如下步骤，预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系，得到协作隐私组：
将在LBS中注册的所有节点，作为用户节点；
使用物理耦合距离计算公式，依次计算所述用户节点中每两个用户节点之间的物理距离；
将所述物理距离大于预设物理距离的两个用户节点，确定为邻居节点；
使用社交强度计算公式，依次计算所述用户节点中每两个用户节点之间的社交强度；
将所述社交强度大于预设社交强度的两个用户节点，确定为社交朋友；
将任一所述用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组；
所述计算该第一节点的当前策略节点对应的协作隐私效用值的步骤，包括：
基于所述每两个用户节点之间的物理距离和社交强度，使用节点距离计算公式，计算所述每两个用户节点之间的节点距离；
基于所述节点距离，使用隐私泄露计算公式，计算该第一节点的当前策略节点对应的隐私泄露值；
将该第一节点的当前策略节点对应的隐私泄露值，使用转换公式，转换为该第一节点的当前策略节点对应的隐私效用值；
利用该第一节点的当前策略节点对应的隐私效用值，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。
2.根据权利要求1所述的方法，其特征在于，所述物理耦合距离计算公式为：
其中，所述用户节点的集合表示为U＝{u1,u2,...uN}，N为用户节点的个数，i和j表示第i个用户节点ui和第j个用户节点uj，
为用户节点ui和用户节点uj第k次相遇的时间，T为统计时间对应的总时间，x为用户节点ui和用户节点uj在总时间T内的相遇次数，Lij为用户节点ui和用户节点uj之间的物理距离；
所述社交强度计算公式为：
其中，g为第g个社会度量指标，m为社会度量指标的个数，wg为第g个社会度量指标的权重值，
为用户节点ui和用户节点uj之间的第g个度量指标的相似度值，Sij为用户节点ui和用户节点uj之间的社交强度。
3.根据权利要求1所述的方法，其特征在于，所述节点距离计算公式为：
其中，Lij为第i个用户节点ui和第j个用户节点uj之间的物理距离，Sij为用户节点ui和用户节点uj之间的社交强度，dij为用户节点ui和用户节点uj之间的节点距离；
所述隐私泄露计算公式为：
其中，令Xi＝{is,i1,i2,...,in}表示用户节点ui所选择的策略节点，is,i1,i2,...,in的取值为1或0，is取1表示用户节点ui选择LBS服务器作为策略节点，is中的下标s表示服务器，ij取1表示用户节点ui选择用户节点uj作为策略节点，j取值为1，2，……，n，n为用户节点ui的策略节点选择的个数，用户节点ui所在协作隐私组中所有节点的查询策略集合为a＝{a1,a2,...,an}，
为用户节点ui的邻居节点的集合，
中的上标p表示邻居节点，Hj为用户节点uj对应位置的概率接近程度，Pi(a)为用户节点ui的隐私泄露值，β∈[0,1]是所有缓存信息节点中恶意节点所占的比例，Xj＝{js,j1,j2,...,jf}表示用户节点uj的策略节点选择，js,j1,j2,...,jf的取值为1或0，js取1表示用户节点uj选择LBS服务器作为策略节点，js中的下标s表示服务器，jr取1表示用户节点uj选择用户节点ur作为策略节点，r取值为1，2，……，f，f为用户节点uj的策略节点选择的个数；
所述转换公式为：
Yi(a)＝-Pi(a)
其中，Yi(a)为用户节点ui的隐私效用值；
所述协作隐私效用计算公式为：
其中，所述ψi(a)为用户节点ui的当前策略节点对应的协作隐私效用值，Yi(a)为用户节点ui的隐私效用值，Yj(a)为用户节点ui的社交朋友节点uj的隐私效用值，
为用户节点ui的社交朋友的集合，
中的上标ss表示社交朋友，Sij为用户节点ui和用户节点uj之间的社交强度。
4.根据权利要求1所述的方法，其特征在于，所述信息查询请求包括：所述每一第一节点的节点标识、位置信息；
所述每一第一节点的位置信息包括：所述每一第一节点的真实位置信息、v-1个虚拟位置信息；其中，v表示所述每一第一节点发送的位置信息的个数。
5.根据权利要求4所述的方法，其特征在于，采用如下步骤，确定v-1个虚拟位置信息：
获取该第一节点所在协作隐私组中、除第一节点之外的其他用户节点对应的查询概率；所述用户节点对应的查询概率为：所述用户节点查询信息的频率；
在该第一节点所在的协作隐私组中、选取查询概率由高到低的前v-1个用户节点，使用熵计算公式，量化所述v-1个用户节点对应位置的概率接近程度；
将v-1个用户节点对应位置的概率接近程度较大对应的v-1个用户节点的位置信息，确定为该第一节点对应的虚拟位置信息。
6.根据权利要求5所述的方法，其特征在于，所述熵计算公式为：
其中，q为v-1个用户节点中的第q个用户节点uq，Kq为第q个用户节点uq对应的查询概率，Hq为用户节点uq对应位置的概率接近程度。
7.一种协作隐私保护的节点确定装置，其特征在于，应用于每一第一节点，所述第一节点为：在基于位置的服务LBS中注册的、有信息查询需求的节点，所述装置包括：
发送模块，用于向网络发送信息查询请求；
获取模块，用于获取并标识出针对该第一节点发送的信息查询请求作出回应的LBS服务器和第二节点，将所述第二节点和LBS服务器，作为该第一节点的候选策略节点；
第一计算模块，用于在该第一节点的候选策略节点中随机选取一个候选策略节点，将所选取的候选策略节点标记为该第一节点的当前策略节点，并在所有第一节点都有当前策略节点时，计算该第一节点的当前策略节点对应的协作隐私效用值；其中，所述协作隐私效用值为，根据该第一节点的策略选择以及该第一节点的协作隐私组内所有节点的隐私泄露计算得到；所述协作隐私组为：预先通过计算在LBS中注册的所有节点之间的物理距离关系和社会关系所得到的；
第二计算模块，用于计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的候选策略节点，标记为该第一节点的第一候选策略节点；
比较模块，用于比较该第一节点的当前策略节点对应的协作隐私效用值、与该第一节点的第一候选策略节点对应的协作隐私效用值，将最大协作隐私效用值对应的策略节点更新为该第一节点的当前策略节点，将最大协作隐私效用值更新为该第一节点的当前策略节点对应的协作隐私效用值；
判断模块，用于判断所有第一节点的当前策略节点及对应的协作隐私效用值是否不再变化；
第一确定模块，用于在所述判断模块判断出所有第一节点的当前策略节点及对应的协作隐私效用值还变化时，返回执行计算该第一节点的候选策略节点中除当前策略节点外的所有候选策略节点对应的协作隐私效用值的步骤；在所述判断模块判断出所有第一节点的当前策略节点及对应的协作隐私效用值不再变化时，将每一第一节点的当前策略节点，确定为每一第一节点对应的目标策略节点；
所述第一计算模块，包括：
第一确定子模块，用于将在LBS中注册的所有节点，作为用户节点；
第一计算子模块，用于使用物理耦合距离计算公式，依次计算所述用户节点中每两个用户节点之间的物理距离；
第二确定子模块，用于将所述物理距离大于预设物理距离的两个用户节点，确定为邻居节点；
第二计算子模块，用于使用社交强度计算公式，依次计算所述用户节点中每两个用户节点之间的社交强度；
第三确定子模块，用于将所述社交强度大于预设社交强度的两个用户节点，确定为社交朋友；
第四确定子模块，用于将任一所述用户节点对应的邻居节点和社交朋友，确定为该用户节点的协作隐私组；
所述第一计算模块，还包括：
第三计算子模块，用于基于所述每两个用户节点之间的物理距离和社交强度，使用节点距离计算公式，计算所述每两个用户节点之间的节点距离；
第四计算子模块，用于基于所述节点距离，使用隐私泄露计算公式，计算该第一节点的当前策略节点对应的隐私泄露值；
第五计算子模块，用于将该第一节点的当前策略节点对应的隐私泄露值，使用转换公式，转换为该第一节点的当前策略节点对应的隐私效用值；
第六计算子模块，用于利用该第一节点的当前策略节点对应的隐私效用值，使用协作隐私效用计算公式，计算该第一节点的当前策略节点对应的协作隐私效用值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087956.4A CN109218974B (zh) | 2018-09-18 | 2018-09-18 | 一种协作隐私保护的节点确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087956.4A CN109218974B (zh) | 2018-09-18 | 2018-09-18 | 一种协作隐私保护的节点确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109218974A CN109218974A (zh) | 2019-01-15 |
| CN109218974B true CN109218974B (zh) | 2020-04-10 |
Family
ID=64984163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811087956.4A Expired - Fee Related CN109218974B (zh) | 2018-09-18 | 2018-09-18 | 一种协作隐私保护的节点确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109218974B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096701A (zh) * | 2009-12-11 | 2011-06-15 | 微软公司 | 用于注释包含名胜的地理地域的用户选择的标签 |
| CN107204988A (zh) * | 2017-06-28 | 2017-09-26 | 华南理工大学 | 一种基于p2p结构下的位置隐私保护方法 |
| CN107707566A (zh) * | 2017-11-07 | 2018-02-16 | 湖南科技大学 | 一种基于缓存和位置预测机制的轨迹隐私保护方法 |
| CN108024206A (zh) * | 2017-11-30 | 2018-05-11 | 东北大学 | 结合PMIPv6架构的车辆节点位置隐私保护系统及方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8060389B2 (en) * | 2000-06-07 | 2011-11-15 | Apple Inc. | System and method for anonymous location based services |
| CN105578412B (zh) * | 2015-12-21 | 2018-11-27 | 东北大学 | 一种基于位置服务的位置匿名方法及系统 |
| CN106209813B (zh) * | 2016-07-05 | 2019-05-07 | 中国科学院计算技术研究所 | 一种基于位置匿名的隐私保护方法和装置 |
| CN106254314B (zh) * | 2016-07-19 | 2017-10-10 | 温州大学瓯江学院 | 一种位置查询服务信息保护方法及系统 |
| CN106792501A (zh) * | 2016-11-17 | 2017-05-31 | 广东工业大学 | 一种lbs用户位置及身份隐私保护方法 |
| CN106954182A (zh) * | 2017-03-13 | 2017-07-14 | 步步高电子商务有限责任公司 | 一种匿名区域生成方法及位置隐私保护方法 |
| CN108012232B (zh) * | 2017-11-30 | 2020-04-21 | 东北大学 | 雾计算架构下的VANETs位置隐私保护查询方法 |
| CN108540936B (zh) * | 2017-12-18 | 2020-08-04 | 西安电子科技大学 | 基于预测的隐私保护方法 |
| CN108260084B (zh) * | 2017-12-18 | 2020-01-07 | 西安电子科技大学 | 基于返回验证的隐私保护方法 |
| CN108280162A (zh) * | 2018-01-18 | 2018-07-13 | 中南大学 | 一种基于缓存的位置隐私保护方法 |
-
2018
- 2018-09-18 CN CN201811087956.4A patent/CN109218974B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096701A (zh) * | 2009-12-11 | 2011-06-15 | 微软公司 | 用于注释包含名胜的地理地域的用户选择的标签 |
| CN107204988A (zh) * | 2017-06-28 | 2017-09-26 | 华南理工大学 | 一种基于p2p结构下的位置隐私保护方法 |
| CN107707566A (zh) * | 2017-11-07 | 2018-02-16 | 湖南科技大学 | 一种基于缓存和位置预测机制的轨迹隐私保护方法 |
| CN108024206A (zh) * | 2017-11-30 | 2018-05-11 | 东北大学 | 结合PMIPv6架构的车辆节点位置隐私保护系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109218974A (zh) | 2019-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Robust cooperative Wi-Fi fingerprint-based indoor localization | |
| Riederer et al. | Linking users across domains with location data: Theory and validation | |
| Park et al. | Growing an organic indoor location system | |
| US8112515B2 (en) | Reputation management system | |
| Laoudias et al. | Device self-calibration in location systems using signal strength histograms | |
| US8904496B1 (en) | Authentication based on a current location of a communications device associated with an entity | |
| Li et al. | Secure crowdsourced indoor positioning systems | |
| US20170344610A1 (en) | Methods and Systems for Assigning Affinity Scores to Contacts | |
| WO2014166133A1 (en) | Method, apparatus, and system for friend recommendations | |
| CN106254314B (zh) | 一种位置查询服务信息保护方法及系统 | |
| KR102086936B1 (ko) | 사용자 데이터 공유 방법 및 디바이스 | |
| US20240323742A1 (en) | Crowd Sourced Privacy Preserving Access Point Mapping | |
| US20140301612A1 (en) | Method, apparatus, and system for friend recommendations | |
| US20130179421A1 (en) | System and Method for Collecting URL Information Using Retrieval Service of Social Network Service | |
| Zhou et al. | DV-Hop localization algorithm based on bacterial foraging optimization for wireless multimedia sensor networks | |
| Wang et al. | Theme-relevant truth discovery on twitter: An estimation theoretic approach | |
| Huang et al. | Where are you from: Home location profiling of crowd sensors from noisy and sparse crowdsourcing data | |
| Navidan et al. | Hide me behind the noise: Local differential privacy for indoor location privacy | |
| JP2009003690A (ja) | システム、サーバ及び情報端末 | |
| Tian et al. | Privacy-preserving social tie discovery based on cloaked human trajectories | |
| Zhang et al. | Privacy quantification model based on the Bayes conditional risk in Location-based services | |
| Huang et al. | Using reputation measurement to defend mobile social networks against malicious feedback ratings | |
| Ding et al. | A Street‐Level IP Geolocation Method Based on Delay‐Distance Correlation and Multilayered Common Routers | |
| Li et al. | DPPS: A novel dual privacy-preserving scheme for enhancing query privacy in continuous location-based services | |
| CN103987011B (zh) | 基于位置服务中无需用户精确位置的隐私保护方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20200410 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |