CN109617870B - 基于动态运动模式的隐私保护方法 - Google Patents

基于动态运动模式的隐私保护方法 Download PDF

Info

Publication number
CN109617870B
CN109617870B CN201811487209.XA CN201811487209A CN109617870B CN 109617870 B CN109617870 B CN 109617870B CN 201811487209 A CN201811487209 A CN 201811487209A CN 109617870 B CN109617870 B CN 109617870B
Authority
CN
China
Prior art keywords
area
user
real
representing
query
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.)
Active
Application number
CN201811487209.XA
Other languages
English (en)
Other versions
CN109617870A (zh
Inventor
牛俊
朱晓妍
马建峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201811487209.XA priority Critical patent/CN109617870B/zh
Publication of CN109617870A publication Critical patent/CN109617870A/zh
Application granted granted Critical
Publication of CN109617870B publication Critical patent/CN109617870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • H04L63/0421—Anonymous communication, i.e. the party's identifiers are hidden from the other party or parties, e.g. using an anonymizer
    • 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
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • 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
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于动态运动模式的隐私保护方法，主要解决现有技术中用户隐私泄露的问题。其方案是：查询发起者向匿名服务器发出查询请求；匿名服务器收到请求后，先划分用户历史查询区域，再用马尔可夫模型建模用户；然后计算最大移动边界交集和欧式距离、评估用户信誉、判断用户运动轨迹相似性；最终将信誉最大、运动轨迹不相似且匿名区域较小用户信息与查询发起者信息一起，形成最终查询集合发给位置服务器；位置服务器收到该信息后，查找数据库，形成候选结果集返回给匿名服务器；匿名服务器筛选真实用户所需结果并返回。本发明确保了用户可信度和可用性，且能有效抵御位置注入攻击，可用于各种连续查询位置服务中。

Description

基于动态运动模式的隐私保护方法
技术领域
本发明属于无线网络安全领域，特别涉及一种隐私保护方法，可用于各种连续查询位置服务中，主要抵御位置注入攻击。
背景技术
位置服务LBS，又称定位服务，其是由移动通信网络和卫星定位系统结合在一起提供的一种增值业务，通过一组定位技术获得移动终端的位置信息，如经纬度坐标数据，并将此位置信息提供给移动用户本人、其他人或者通信系统，来实现各种与位置相关的业务。
位置服务可以被应用于不同的领域，与此同时，在移动互联网大发展的趋势下，各类应用也在蓬勃发展。尤其，随着定位技术的快速发展，使得嵌入了位置服务LBS功能的应用得到了广泛的普及，给人们的生活带来了极大的便利。但LBS服务需要获知用户精确的位置信息，其对用户的隐私造成了极大的威胁。所以，在保证用户服务质量的同时，如何有效的保护用户的隐私信息是LBS服务目前所面临的巨大挑战。特别地，由于连续查询场景下用户位置信息之间的时空关联性，其隐私信息更容易泄露。近年来，学者们已采用不同的方法保护用户隐私，其中传统的k-匿名方案k-anonymity使用最为广泛。
传统的k-匿名方案k-anonymity假设所有用于匿名的用户都是真实可信的，并发送自身真实的位置信息和查询内容信息给匿名服务器实现k-匿名隐私保护；但在实际情况下这种假设时不成立的，其存在一定的弊端，因为在实际查询中，匿名服务器根本没有考虑覆盖区域中各用户的可信度，默认其都是真实可信的，并直接将这些用户形成的满足真实查询用户隐私保护要求的匿名区域发送给位置服务器用于查询，并获得相应的查询结果。然而，实际中这些匿名用户中存在恶意用户或虚假用户，其是攻击者为了破坏真实查询用户隐私而特意注入的。所以，在这种情况下，如果匿名服务器依旧按照传统的k-匿名方案对用户的隐私进行保护，则不但达不到保护用户隐私的目的，甚至更容易暴露用户的隐私，使得用户更易遭受位置注入攻击。其过程如图3所示，其中图3(a)表示查询发起者U在tp时刻所形成的匿名区域示意图，图3(b)表示查询发起者U在tp+1时刻所形成的匿名区域示意图；图3(a)中实线圆表示查询发起者tp时刻所形成的匿名区域，其实现5-匿名且对应的匿名用户集合为{U1,U2,U3,U4,Ur}，U1、U2、U3和U4为匿名区域中可信用户，Ur为真实查询用户；图3(b)中虚线圆是真实查询用户tp时刻所能到达的最大移动边界区域，实线圆表示真实查询用户tp+1时刻所形成的匿名区域，其仍然实现5-匿名且对应的匿名用户集合为{U5,U6,U7,U10,Ur}。然而，在该5-匿名集合中只有U7和U10是可信用户，而用户U5和U6都是攻击者注入的虚假用户，故其使得用户隐私保护度由5-匿名降低为3-匿名，极大地损害了用户隐私。最终导致真实查询用户隐私保护程度降低，甚至直接泄露用户隐私。
现有针对位置注入攻击的隐私保护方案从攻击者角度出发，首先采用马尔可夫模型对匿名区域中所有用户的运动模式进行建模，其建模主要基于用户的历史查询覆盖区域，而非用户真实的位置；然后通过该马尔可夫模型计算各个候选用户和真实查询用户当前时刻最大移动边界的交集，再结合各候选用户当前的速度以及其历史查询覆盖区域个数，匿名服务器评估出每个候选用户的信誉值；最终匿名服务器根据计算出的用户信誉值，选择用户信誉值最高的k-1个候选用户做为最终的候选用户。该方法通过马尔可夫建模间接评估出用户信誉，虽说可抵御位置注入攻击且保护用户隐私。然而，该方法仅实现了用户信誉粗略评估，没有对用户信誉进行分类，并实现细致评估，故难以精确量化用户信誉；同时如何从其他角度对用户的信誉进行有效评估以及建立怎样的用户信誉评估机制等问题还没有得到很好解决，因而传统k-匿名隐私保护体制下用户隐私仍有很大泄露风险，故位置注入攻击隐私泄露问题仍需进一步研究。
发明内容
本发明的目的在于针对上述已有技术的不足，提出一种基于动态运动模式的隐私保护方法，以保证在保护真实查询用户隐私的同时，确保参与k-匿名的其余k-1个用户是可信的，提高查询的有效性和服务的高质量性。
为实现上述目的，本发明的技术方案包括如下：
(1)基于若干移动用户、匿名服务器和位置服务器构成的隐私保护框架，由手机生产厂商为每部手机安装一个缓存装置，用于用户在查询过程中对有用信息的存储；
(2)匿名服务器收集所有用户的历史查询覆盖区域信息，并将收集的所有用户的每一个历史查询覆盖区域其按逆时针方向依次分为第一区域I、第二区域II、第三区域III和第四区域IV，且各区域对应状态分别为SI、SII、SIII和SIV；
(3)匿名服务器根据所有用户历史查询覆盖区域，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，获得相应的转移概率矩阵P；
(4)匿名服务器依次计算各个候选用户与真实查询用户的最大移动边界MMB、各个候选用户最大移动边界与真实查询用户最大移动边界的交集区域IRMMB以及交集区域面积IRAMMB；
(5)匿名服务器根据所有用户的马尔可夫模型、各个候选用户与真实查询用户间最大移动边界的交集区域IRMMB和交集区域面积IRAMMB，对各个候选用户的信誉进行评估，得到相应的信誉值Cre；
(6)匿名服务器将所有的候选用户分为
Figure BDA0001894827390000031
组，每组k-1个候选用户，其中N表示匿区域中包含的候选用户总数，k表示匿名保护时所需的最小用户个数；
(7)构建最终查询集合FQ：
7a)匿名服务器计算这
Figure BDA0001894827390000032
组中每组k-1个候选用户的信誉值之和；
7b)匿名服务器计算这k-1个候选用户与真实用户欧式距离EDS，并利用转移概率矩阵P和欧式距离EDS，对k-1个候选用户与真实用户运动轨迹相似性进行评估；
7c)匿名服务器选择信誉值之和最大、运动轨迹不相似且形成的匿名区域面积最小的组作为最终匿名用户组；并将该组中各候选用户信息与真实查询用户信息一起，形成最终查询集合FQ发送给位置服务器；
(8)位置服务器收到最终查询集合FQ后，查找自己的数据库，形成候选结果集CRS，并返回给匿名服务器；
(9)匿名服务器根据真查询用户的真实信息，筛选出满足其要求的查询结果，并返回给真实查询用户，真实查询用户收到查询结果并将其记录在缓存器中。
本发明具有如下优点：
1)本发明由于使用了中心式匿名服务器实现匿名的方法，从匿名服务器角度根据候选用户历史查询覆盖区域，并利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，实现了用户运动情况可控、可预测；
2)本发明由于首先对用户历史查询覆盖区域划分，再利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，故该马尔可夫模型主要依赖划分I、II、III、IV四个区域的用户历史查询覆盖区域，而非用户历史查询位置，其符合实际查询情况，也可充分利用匿名服务器拥有的信息；
3)本发明由于首先利用用户马尔可夫模型、各候选用户与真实查询用户间最大移动边界的交集区域范围和交集区域面积，对各个候选用户的信誉进行评估，再选择信誉高的k-1个用户完成k-匿名，所以有效弥补了传统k-匿名隐私保护方法中忽略对用户信誉评估的缺陷，进一步增强了用户隐私保护的可能性和可行性；
4)本发明由于在对用户信誉进行评估时，同时考虑了用户马尔可夫模型、各用户与真实查询用户间最大移动边界的交集区域范围以及交集区域面积等因素，故可对用户的移动趋势可以做出更准确的评估与判断，从而推测出更为合理和准确的用户信誉值，以免由于片面因素而对用户动态进行误判，导致最终选择的候选用户可信度降低，质量变差；
5)本发明由于在对候选用户和真实查询用户运轨迹相似性进行判断时，同时考虑了用户马尔可夫模型、各候选用户与真实查询用户间的欧氏距离以及该真实查询用户历史查询覆盖区域直径等因素，其一方面可利用马尔可夫模型对用户运动模式进行准确预测，另一方面利用欧氏距离占比很好评估了各候选用户与真实查询用户间的物理邻近度，使得用户轨迹相似性评判更为准确；
6)本发明由于采用了信誉优先和k-匿名区域可用且最小原理，使得最终的k-匿名区域用户信誉最高且面积最小，故其很好的权衡隐私保护和系统开销；
7)本发明由于同时采用信誉评估和轨迹相似性评估机制，故不仅确保了匿名用户的可信度，而且较好地保护了真实查询用户的运动轨迹，使得选出的用户更为可信，真实用户的隐私保护效果更优，极大地提高了用户体验度和满意度。
附图说明
图1是现有中心式基于匿名服务器隐私保护架构图；
图2是本发明的实现流程图；
图3是现有位置注入攻击示意图；
图4是本发明中的用户历史查询覆盖区域划分示意图；
图5是本发明中的用户最大移动边界示意图。
具体实施方案
本发明采用图1中心式基于匿名服务器隐私保护架构进行隐私保护。
参照图1，基于匿名服务器隐私保护架构，包括移动用户、匿名服务器和位置服务器LBS-S。该移动用户，是移动互联网中普通的移动用户，其拥有具有缓存装置的移动设备，用于移动通信网络中某个查询发起者发出查询请求时，在地理范围内，用于匿名服务器对某个特定用户实现k-匿名隐私保护时，形成k-匿名区域。该匿名服务器主要用于查询服务中，各个候选用户信誉值评估、选取合适用户实现k-匿名、最终k-匿名查询请求发送以及候选查询结果筛选返回给真实查询用户，即匿名服务器首先选择满足真实查询用户隐私保护需求、用户信誉高且形成的匿名区域面积较小的候选用户，然后整理各候选用户信息和真实查询用户，并形成一个最终查询集合FQ，最后匿名服务器将最终查询集合FQ发送给位置服务器LBS-S。该位置服务器LBS-S,其内部存储着所有LBS服务所需的信息，用于LBS查询服务结果的提供。在位置服务中，其操作应依照LBS系统的相关规则和协议，但不排除其是不诚实且感兴趣的，故在本方案中LBS-S是半可信的，其主要用于用户请求查询结果的提供，形成的候选结果集CRS，并返回给匿名服务器，匿名服务器收到候选结果集CRS后，根据用户的真实查询信息筛选出满足其要求的查询结果，并将其返回给查询用户。
基于该隐私保护框架，真实查询用户发送查询请求给匿名服务器；匿名服务器收到该查询请求后，首先查看该真实查询用户附近移动范围内其他可用于匿名的候选用户，并将搜集的各候选用户历史查询覆盖区域等分为四个子区域I、II、III和IV，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，获得相应的转移概率矩阵；然后计算各个候选用户与真实查询用户的欧式距离、最大移动边界、最大移动边界的交集区域范围以及交集区域面积，并根据计算出的交集区域范围及面积、欧式距离和所有用户的马尔可夫模型，评估和计算各候选用户的信誉以及各候选用户与真实用户运动轨迹相似性；最终匿名服务器选择整体信誉值高、运动轨迹与真实查询用户不相似且形成的匿名区域面积小的候选用户作为最终的候选用户，并将其信息和真实查询用户信息一起整理，形成一个最终查询集合FQ发送给位置服务器。位置服务器根据所收到的查询集合FQ，查找数据库，形成相应的候选结果集CRS并返回给匿名服务器。匿名服务器收到该候选结果集CRS后，根据真实查询用户的真实信息，对该候选结果集进行过滤，筛选出满足其要求的查询结果，并将其发送给该真实查询用户。同时，所该真实查询用户将该查询内容及其结果存储于其缓存器中，以便自身查询需要。
参照图2，本发明基于上述隐私保护框架进行隐私保护的实现步骤如下：
步骤1，在中心式基于匿名服务器隐私保护框架的基础上，由手机生产厂商为每部手机安装一个缓存装置，用于用户在查询过程中对有用信息的存储。
步骤2，匿名服务器对收集的所有用户历史查询覆盖区域进行划分。
(2.1)匿名服务器收集所有用户的历史查询覆盖区域信息，分别表示如下：
Figure BDA0001894827390000061
Figure BDA0001894827390000062
Figure BDA0001894827390000063
Figure BDA0001894827390000064
Figure BDA0001894827390000065
Figure BDA0001894827390000066
Figure BDA0001894827390000067
其中，
Figure BDA0001894827390000068
表示第i个候选用户的历史查询覆盖区域集合；
Figure BDA0001894827390000069
表示第i个候选用户的第J个历史查询覆盖区域；
Figure BDA00018948273900000610
表示真实查询用户的历史查询覆盖区域集合；
Figure BDA00018948273900000611
表示真实查询用户的第J个历史查询覆盖区域，且1≤i≤N,1≤J≤ξ，ξ表示候选用户拥有的历史查询覆盖区域个数，且ξ≥1；N表示匿名区域中包含的候选用户总数，且N≥1；
(2.2)匿名服务器收集所有用户的历史查询覆盖区域信息，并将收集的所有用户的每一个历史查询覆盖区域其按逆时针方向依次分为第一区域I、第二区域II、第三区域III和第四区域IV，且各区域对应状态分别为SI、SII、SIII和SIV；其主要用于匿名服务器利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模以及各候选用户与真实查询用户间运动相似性的评判。
图4给出了一个用户Uj历史覆盖区域四等分的实例。图4中过用户Uj历史覆盖区域中心
Figure BDA00018948273900000612
在水平和竖直方向上分别做互相垂直的直线，将该用户Uj历史覆盖区域等分为四个区域，该区域按逆时针方向依次命名为：第一区域I、第二区域II、第三区域III和第四区域IV。
步骤3，匿名服务器根据所有用户历史查询覆盖区域，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模。
(3.1)匿名服务器收集和整理所有用户已划分的历史查询覆盖区域和其对应的状态，分别表示如下：
Figure BDA0001894827390000071
Figure BDA0001894827390000072
Figure BDA0001894827390000073
Figure BDA0001894827390000074
Figure BDA0001894827390000075
Figure BDA0001894827390000076
Figure BDA0001894827390000081
其中，
Figure BDA0001894827390000082
表示第i个候选用户的历史查询覆盖区域集合；
Figure BDA0001894827390000083
表示真实查询用户的历史查询覆盖区域集合；
Figure BDA0001894827390000084
表示真实查询用户的第J个历史查询覆盖区域；
Figure BDA0001894827390000085
表示第i个候选用户的第J个历史查询覆盖区域集合，且1≤i≤N,1≤J≤ξ；ξ表示候选用户拥有的历史查询覆盖区域个数，且ξ≥1；N表示匿名区域中包含的候选用户总数，且N≥1；
Figure BDA0001894827390000086
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I；
Figure BDA0001894827390000087
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II；
Figure BDA0001894827390000088
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III；IVi J表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure BDA0001894827390000089
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure BDA00018948273900000810
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure BDA00018948273900000811
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure BDA00018948273900000812
表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
Figure BDA00018948273900000813
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I；
Figure BDA00018948273900000814
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II；
Figure BDA00018948273900000815
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III；
Figure BDA00018948273900000816
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure BDA00018948273900000817
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure BDA00018948273900000818
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure BDA00018948273900000819
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure BDA00018948273900000820
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
(3.2)匿名服务器根据收集到的所有用户已划分的历史查询覆盖区域和其对应的状态，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，获得相应的转移概率矩阵：
首先，匿名服务器将第i个候选用户ξ个已划分的历史查询覆盖区域和其对应的状态按照时间顺序排列；
然后，由匿名服务器依次统计第i个候选用户ξ个历史查询覆盖区域中任意一个历史查询覆盖区域转移到其相邻下一个历史查询覆盖区域四个不同部分的个数
Figure BDA0001894827390000091
Figure BDA0001894827390000092
其中，
Figure BDA0001894827390000093
表示第i个候选用户从第一区域I转移到第一区域I的个数；
Figure BDA0001894827390000094
表示第i个候选用户从第一区域I转移到第二区域II的个数；
Figure BDA0001894827390000095
表示第i个候选用户从第一区域I转移到第三区域III的个数；
Figure BDA0001894827390000096
表示第i个候选用户从第一区域I转移到第四区域IV的个数；
Figure BDA0001894827390000097
表示第i个候选用户从第二区域II转移到第一区域I的个数；
Figure BDA0001894827390000098
表示第i个候选用户从第二区域II转移到第二区域II的个数；
Figure BDA0001894827390000099
表示第i个候选用户从第二区域II转移到第三区域III的个数；
Figure BDA00018948273900000910
表示第i个候选用户从第二区域II转移到第四区域IV的个数；
Figure BDA00018948273900000911
表示第i个候选用户从第三区域III转移到第一区域I的个数；
Figure BDA00018948273900000912
表示第i个候选用户从第三区域III转移到第二区域II的个数；
Figure BDA00018948273900000913
表示第i个候选用户从第三区域III转移到第三区域III的个数；
Figure BDA00018948273900000914
表示第i个候选用户从第三区域III转移到第四区域IV的个数；
Figure BDA00018948273900000915
表示第i个候选用户从第四区域IV转移到第一区域I的个数；
Figure BDA00018948273900000916
表示第i个候选用户从第四区域IV转移到第二区域II的个数；
Figure BDA00018948273900000917
表示第i个候选用户从第四区域IV转移到第三区域III的个数；
Figure BDA00018948273900000918
表示第i个候选用户从第四区域IV转移到第四区域IV的个数；
接着，匿名服务器分别计算四个不同部分的个数
Figure BDA00018948273900000919
占整体个数ξ的比值
Figure BDA00018948273900000920
Figure BDA0001894827390000101
最后，匿名服务器将此比值组成的矩阵作为第i个候选用户的概率转移矩阵
Figure BDA0001894827390000102
Figure BDA0001894827390000103
其中，
Figure BDA0001894827390000104
表示第i个候选用户从第一区域I转移到第一区域I的概率；
Figure BDA0001894827390000105
表示第i个候选用户从区域第一区域I转移到第二区域II的概率；
Figure BDA0001894827390000106
表示第i个候选用户从第一区域I转移到第三区域III的概率；
Figure BDA0001894827390000107
表示第i个候选用户从第一区域I转移到第四区域IV的概率；
Figure BDA0001894827390000108
表示第i个候选用户从第二区域II转移到第一区域I的概率；
Figure BDA0001894827390000109
表示第i个候选用户从第二区域II转移到第二区域II的概率；
Figure BDA00018948273900001010
表示第i个候选用户从第二区域II转移到第三区域III的概率；
Figure BDA00018948273900001011
表示第i个候选用户从第二区域II转移到第四区域IV的概率；
Figure BDA00018948273900001012
表示第i个候选用户从第三区域III转移到第一区域I的概率；
Figure BDA00018948273900001013
表示第i个候选用户从第三区域III转移到第二区域II的概率；
Figure BDA00018948273900001014
表示第i个候选用户从第三区域III转移到第三区域III的概率；
Figure BDA00018948273900001015
表示第i个候选用户从第三区域III转移到第四区域IV的概率；
Figure BDA00018948273900001016
表示第i个候选用户从第四区域IV转移到第一区域I的概率；
Figure BDA00018948273900001017
表示第i个候选用户从第四区域IV转移到第二区域II的概率；
Figure BDA00018948273900001018
表示第i个候选用户从第四区域IV转移到第三区域III的概率；
Figure BDA0001894827390000111
表示第i个候选用户从第四区域IV转移到第四区域IV的概率。
步骤4，匿名服务器计算各个候选用户与真实查询用户的最大移动边界MMB、各个候选用户最大移动边界与真实查询用户最大移动边界的交集区域IRMMB以及交集区域面积IRAMMB。
(4.1)匿名服务器收集真实查询用户和各个候选用户已划分的历史查询覆盖区域和其对应的状态信息CRU、最大速度信息Vmax和查询时间信息T，分别表示如下：
Figure BDA0001894827390000112
Figure BDA0001894827390000113
T＝{Tp-1,Tp,Tp+1}；
其中
Figure BDA0001894827390000114
表示真实查询用户的历史查询覆盖区域集合；
Figure BDA0001894827390000115
表示第i个候选用户的历史查询覆盖区域集合；
Figure BDA0001894827390000116
表示第i个候选用户的第J个历史查询覆盖区域，且1≤i≤N,1≤J≤ξ；ξ表示候选用户拥有的历史查询覆盖区域个数，且ξ≥1；N表示匿名区域中包含的候选用户总数，且N≥1；
Figure BDA0001894827390000117
表示真实查询用户第J个历史查询覆盖区域；
Figure BDA0001894827390000118
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I；
Figure BDA0001894827390000119
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II；
Figure BDA0001894827390000121
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III；IVi J表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure BDA0001894827390000122
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure BDA0001894827390000123
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure BDA0001894827390000124
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure BDA0001894827390000125
表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
Figure BDA0001894827390000126
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I；
Figure BDA0001894827390000127
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II；
Figure BDA0001894827390000128
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III；
Figure BDA0001894827390000129
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure BDA00018948273900001210
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure BDA00018948273900001211
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure BDA00018948273900001212
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure BDA00018948273900001213
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
Figure BDA00018948273900001214
表示真实查询用户第J个历史查询覆盖区域最大速度；
Figure BDA00018948273900001215
表示第i个候选用户第J个历史查询覆盖区域最大速度；Tp-1表示上一时刻查询时间；Tp表示当前时刻查询时间；Tp+1表示下一时刻查询时间；
(4.2)匿名服务器根据收集的真实查询用户和各个候选用户历史查询覆盖区域信息、最大速度信息和查询时间信息，分别以真实查询用户和各个候选用户的历史查询覆盖区域中心为圆心，以其各自最大查询速度与时间间隔ΔTp+1内的乘积为半径做圆，计算各个候选用户最大移动边界MMB、真实查询用户最大移动边界区域面积
Figure BDA00018948273900001216
各候选用户与真实查询用户最大移动边界交集IRMMB以及交集区域面积IRAMMB,并将其存入最大移动边界集合MMBS中：
Figure BDA0001894827390000131
其中
Figure BDA0001894827390000132
表示第i个候选用户在Tp时刻和Tp+1时刻内，能到达的最大移动边界；
Figure BDA0001894827390000133
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域；
Figure BDA0001894827390000134
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域面积；
Figure BDA0001894827390000135
表示真实查询用户在Tp时刻和Tp+1时刻内，能到达的最大移动边界；
Figure BDA0001894827390000136
表示Tp时刻真实查询用户最大移动边界区域面积；
Figure BDA0001894827390000137
表示Tp时刻真实查询用户最大运动速度；ΔTp+1＝Tp+1-Tp；
图5给出了一个最大移动边界形成过程以及其交集区域面积计算实例。其中图5(a)表示候选用户Uj和真实用户Ur的最大移动边界以及它们的交集区域；图5(a)中实线圆表示真实用户Ur的覆盖区域，虚线箭头表示各用户的移动方向，左侧较小虚线圆表示Tp时刻用户Uj的最大移动边界
Figure BDA0001894827390000138
其中包含1个可信用户和2个虚假用户；右侧较大虚线圆表示Tp时刻真实用户Ur的最大移动边界
Figure BDA0001894827390000139
其中包含8个可信用户、1个虚假用户和2个真实查询用户；这两个虚线圆交集区域表示Tp时刻虚假用户Uj和真实用户Ur最大移动边界的交集区域，即图5(a)阴影区域；
图5(b)是候选用户Uj和真实用户Ur的最大移动边界以及它们的交集区域的数学表示。图5(b)中左侧虚线圆表示Tp时刻用户Uj的最大移动边界
Figure BDA00018948273900001310
右侧虚线圆表示真实查询用户Ur的最大移动边界
Figure BDA00018948273900001311
图5(b)中共有A、B、C、E、F、
Figure BDA00018948273900001312
和
Figure BDA00018948273900001313
这7个点，图5(b)阴影区域表示Tp时刻候选用户Uj和真实用户Ur最大移动边界交集区域
Figure BDA00018948273900001314
该交集区域面积
Figure BDA00018948273900001315
计算如下：
首先，匿名服务器定义三个参数
Figure BDA00018948273900001316
和
Figure BDA00018948273900001317
然后，匿名服务器分别计算扇形
Figure BDA00018948273900001318
和扇形
Figure BDA00018948273900001319
的面积以及三角形
Figure BDA00018948273900001320
和三角形
Figure BDA0001894827390000141
的面积；
最后，由匿名服务器计算候选用户Uj和真实用户Ur最大移动边界交集区域
Figure BDA0001894827390000142
面积：
Figure BDA0001894827390000143
其中，
Figure BDA0001894827390000144
表示扇形
Figure BDA0001894827390000145
的面积；
Figure BDA0001894827390000146
表示扇形
Figure BDA0001894827390000147
的面积；
Figure BDA0001894827390000148
表示三角形
Figure BDA0001894827390000149
的面积；
Figure BDA00018948273900001410
表示三角形
Figure BDA00018948273900001411
的面积；
(4.3)匿名服务器根据计算出的最大移动边界集合MMBS，计算各候选用户与真实查询用户的最大移动边界的交集区域的坐标范围IR：
首先，匿名服务器根据各候选用户与真实查询用户的最大移动边界区域，计算该最大移动边界交集区域的交点；
然后，匿名服务器将计算出的所有坐标存入交集区域集合IR：
Figure BDA00018948273900001412
其中，
Figure BDA00018948273900001413
表示第i个候选用户与真实查询用户的最大移动边界的交集区域的坐标范围；xi表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域的横坐标；
Figure BDA00018948273900001414
表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域横坐标的最小值；
Figure BDA00018948273900001415
表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域横坐标的最大值；yi表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域的纵坐标；
Figure BDA0001894827390000151
表示Tp时刻第i个候选用户与真实查询用户最大移动边界交集区域纵坐标的最小值；
Figure BDA0001894827390000152
表示Tp时刻第i个候选用户与真实查询用户最大移动边界交集区域纵坐标的最大值；1≤i≤N；
(4.4)匿名服务器根据真实查询用户Tp时刻的最大移动边界区域
Figure BDA0001894827390000153
计算真实查询用户Tp时刻最大移动边界区域
Figure BDA0001894827390000154
的四部分区域坐标范围
Figure BDA0001894827390000155
Figure BDA0001894827390000156
其中，xI表示Tp时刻真实查询用户最大移动边界第一区域I的横坐标；
Figure BDA0001894827390000157
表示Tp时刻真实查询用户最大移动边界第一区域I横坐标的最小值；
Figure BDA0001894827390000158
表示Tp时刻真实查询用户最大移动边界第一区域I横坐标的最大值；yI表示Tp时刻真实查询用户最大移动边界第一区域I的纵坐标；
Figure BDA0001894827390000159
表示Tp时刻真实查询用户最大移动边界第一区域I纵坐标的最小值；
Figure BDA00018948273900001510
表示Tp时刻真实查询用户最大移动边界第一区域I纵坐标的最大值；xII表示Tp时刻真实查询用户最大移动边界第二区域II的横坐标；
Figure BDA00018948273900001511
表示Tp时刻真实查询用户最大移动边界第二区域II横坐标的最小值；
Figure BDA00018948273900001512
表示Tp时刻真实查询用户最大移动边界第二区域II横坐标的最大值；yII表示Tp时刻真实查询用户最大移动边界第二区域II的纵坐标；
Figure BDA00018948273900001513
表示Tp时刻真实查询用户最大移动边界第二区域II纵坐标的最小值；
Figure BDA00018948273900001514
表示Tp时刻真实查询用户最大移动边界第二区域II纵坐标的最大值；xIII表示Tp时刻真实查询用户最大移动边界第三区域III的横坐标；
Figure BDA00018948273900001515
表示Tp时刻真实查询用户最大移动边界第三区域III横坐标的最小值；
Figure BDA00018948273900001516
表示Tp时刻真实查询用户最大移动边界第三区域III横坐标的最大值；yIII表示Tp时刻真实查询用户最大移动边界第三区域III的纵坐标；
Figure BDA00018948273900001517
表示Tp时刻真实查询用户最大移动边界第三区域III纵坐标的最小值；
Figure BDA00018948273900001518
表示Tp时刻真实查询用户最大移动边界第三区域III纵坐标的最大值；xIV表示Tp时刻真实查询用户最大移动边界第四区域IV的横坐标；
Figure BDA0001894827390000161
表示Tp时刻真实查询用户最大移动边界第四区域IV横坐标的最小值；
Figure BDA0001894827390000162
表示Tp时刻真实查询用户最大移动边界第四区域IV横坐标的最大值；yIV表示Tp时刻真实查询用户最大移动边界第四区域IV的纵坐标；
Figure BDA0001894827390000163
表示Tp时刻真实查询用户最大移动边界第四区域IV纵坐标的最小值；
Figure BDA0001894827390000164
表示Tp时刻真实查询用户最大移动边界第四区域IV纵坐标的最大值；
Figure BDA0001894827390000165
表示Tp时刻真实查询用户最大移动边界区域
Figure BDA0001894827390000166
划分的第一区域；
Figure BDA0001894827390000167
表示Tp时刻真实查询用户最大移动边界区域
Figure BDA0001894827390000168
划分的第二区域；
Figure BDA0001894827390000169
表示Tp时刻真实查询用户最大移动边界区域
Figure BDA00018948273900001610
划分的第三区域；
Figure BDA00018948273900001611
表示Tp时刻真实查询用户最大移动边界区域
Figure BDA00018948273900001612
划分的第四区域；
(4.5)匿名服务器根据真实查询用户Tp时刻最大移动边界区域
Figure BDA00018948273900001613
的四部分区域坐标范围
Figure BDA00018948273900001614
和交集区域集合IR，制定各交集区域所属最大移动边界区域
Figure BDA00018948273900001615
的评估条件，共包括四种可能的情况：
情况一：若
Figure BDA00018948273900001616
则
Figure BDA00018948273900001617
情况二：若
Figure BDA00018948273900001618
则
Figure BDA00018948273900001619
情况三：若
Figure BDA00018948273900001620
则
Figure BDA00018948273900001621
情况四：若
Figure BDA00018948273900001622
则
Figure BDA00018948273900001623
(4.6)匿名服务器根据各交集区域所属最大移动边界区域
Figure BDA00018948273900001624
的评估条件，对各候选用户与真实查询用户交集区域进行分类，存入交集区域所属集合IRBS：
Figure BDA00018948273900001625
其中，
Figure BDA00018948273900001626
表示第i个候选用户与真实查询用户最大移动边界交集区域属于
Figure BDA00018948273900001627
中的区域，且
Figure BDA00018948273900001628
仅属于
Figure BDA00018948273900001629
这4部分区域中的一部分区域。
步骤5，匿名服务器根据真实查询用户的马尔可夫转移矩阵
Figure BDA00018948273900001630
最大移动边界集合MMBS和交集区域所属集合IRBS，计算各个候选用户的信誉值Cre。
(5.1)匿名服务器收集和整理真实查询用户的马尔可夫转移矩阵
Figure BDA0001894827390000171
Figure BDA0001894827390000172
其中，
Figure BDA0001894827390000173
表示真实查询用户由第一区域I到第一区域I的转移概率；
Figure BDA0001894827390000174
表示真实查询用户由第一区域I到第二区域II的转移概率；
Figure BDA0001894827390000175
表示真实查询用户由第一区域I到第三区域III的转移概率；
Figure BDA0001894827390000176
表示真实查询用户由第一区域I到第四区域IV的转移概率；
Figure BDA0001894827390000177
表示真实查询用户由第二区域II到第一区域I的转移概率；
Figure BDA0001894827390000178
表示真实查询用户由第二区域II到第二区域II的转移概率；
Figure BDA0001894827390000179
表示真实查询用户由第二区域II到第三区域III的转移概率；
Figure BDA00018948273900001710
表示真实查询用户由第二区域II到第四区域IV的转移概率；
Figure BDA00018948273900001711
表示真实查询用户由第三区域III到第一区域I的转移概率；
Figure BDA00018948273900001712
表示真实查询用户由第三区域III到第二区域II的转移概率；
Figure BDA00018948273900001713
表示真实查询用户由第三区域III到第三区域III的转移概率；
Figure BDA00018948273900001714
表示真实查询用户由第三区域III到第四区域IV的转移概率；
Figure BDA00018948273900001715
表示真实查询用户由第四区域IV到第一区域I的转移概率；
Figure BDA00018948273900001716
表示真实查询用户由第四区域IV到第二区域II的转移概率；
Figure BDA00018948273900001717
表示真实查询用户由第四区域IV到第三区域III的转移概率；
Figure BDA00018948273900001718
表示真实查询用户由第四区域IV到第四区域IV的转移概率；
(5.2)匿名服务器根据收集的最大移动边界集合MMBS，计算各候选用户与真实查询用户最大移动边界交集区域面积与真实查询用户最大移动边界面积间的比值，并将其存入面积比值集合ASS：
Figure BDA00018948273900001719
其中，
Figure BDA00018948273900001720
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域面积；
Figure BDA00018948273900001721
表示Tp时刻真实查询用户最大移动边界区域面积；
Figure BDA00018948273900001722
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域面积与真实查询用户最大移动边界区域面积间的比值；
(5.3)匿名服务器根据收集的根据真实查询用户的马尔可夫转移矩阵
Figure BDA0001894827390000181
最大移动边界集合MMBS、交集区域所属集合IRBS和面积比值集合ASS，制定各候选用户信誉值Cre评估条件，其实现如下：
首先，由匿名服务器根据交集区域所属集合IRBS中各交集区域所属部分，在真实查询用户转移矩阵
Figure BDA0001894827390000182
中找到与之对应的转移概率PT＝{P1,P2,...,Pi,...,PN}，其中Pi表示第i个候选用户在真实查询用户转移矩阵
Figure BDA0001894827390000183
中对应的概率；
然后，由匿名服务器根据转移概率PT和面积比值集合ASS，制定各候选用户信誉值Cre评估条件，共包括四种情况：
情况一：若
Figure BDA0001894827390000184
且
Figure BDA0001894827390000185
则
Figure BDA0001894827390000186
情况二：若
Figure BDA0001894827390000187
且
Figure BDA0001894827390000188
则
Figure BDA0001894827390000189
情况三：若
Figure BDA00018948273900001810
且
Figure BDA00018948273900001811
则
Figure BDA00018948273900001812
情况四：若
Figure BDA00018948273900001813
且
Figure BDA00018948273900001814
则
Figure BDA00018948273900001815
(5.4)匿名服务器根据上述信誉评判条件，计算各候选用户的信誉值，并将其存入信誉集合CS：
Figure BDA00018948273900001816
其中
Figure BDA00018948273900001817
仅仅取
Figure BDA00018948273900001818
这4个信誉值中的任意一个。
步骤6，匿名服务器将这N个候选用户分为
Figure BDA00018948273900001819
组，每组k-1个候选用户，且
Figure BDA00018948273900001820
组候选用户信息G，表示如下:
Figure BDA00018948273900001821
其中GF表示第F组候选用户信息，且
Figure BDA0001894827390000191
Figure BDA0001894827390000192
表示第F组第f个候选用户，且1≤f≤k-1；
Figure BDA0001894827390000193
表示第F组第f个候选用户位置信息；
Figure BDA0001894827390000194
表示第F组第f个候选用户信誉值。
步骤7，匿名服务器计算这
Figure BDA0001894827390000195
组中每组k-1个候选用户的信誉值之和。
将
Figure BDA0001894827390000196
组中每组k-1个候选用户的信誉值相加，并将该相加结果作为整体信誉值之和SCS：
Figure BDA0001894827390000197
其中
Figure BDA0001894827390000198
表示第F组候选用户整体信誉值之和。
步骤8，匿名服务器利用k-1个候选用户与真实用户的转移概率和欧式距离，对k-1个候选用户与真实用户运动轨迹相似性进行评估。
(8.1)匿名服务器整理各候选用户的转移矩阵
Figure BDA0001894827390000199
真实用户的转移矩阵
Figure BDA00018948273900001910
和真实查询用户的信息
Figure BDA00018948273900001911
分别表示如下:
Figure BDA00018948273900001912
Figure BDA00018948273900001913
Figure BDA00018948273900001914
Figure BDA00018948273900001915
Figure BDA0001894827390000201
Figure BDA0001894827390000202
Figure BDA0001894827390000203
Figure BDA0001894827390000204
其中，
Figure BDA0001894827390000205
表示第i个候选用户的转移概率矩阵；
Figure BDA0001894827390000206
表示真实查询用户的转移概率矩阵；
Figure BDA0001894827390000207
表示第i个候选用户由第一区域I到第一区域I的转移概率；
Figure BDA0001894827390000208
表示第i个候选用户由第一区域I到第二区域II的转移概率；
Figure BDA0001894827390000209
表示第i个候选用户由第一区域I到第三区域III的转移概率；
Figure BDA00018948273900002010
表示第i个候选用户由第一区域I到第四区域IV的转移概率；
Figure BDA00018948273900002011
表示第i个候选用户由第二区域II到第一区域I的转移概率；
Figure BDA00018948273900002012
表示第i个候选用户由第二区域II到第二区域II的转移概率；
Figure BDA00018948273900002013
表示第i个候选用户由第二区域II到第三区域III的转移概率；
Figure BDA00018948273900002014
表示第i个候选用户由第二区域II到第四区域IV的转移概率；
Figure BDA00018948273900002015
表示第i个候选用户由第三区域III到第一区域I的转移概率；
Figure BDA00018948273900002016
表示第i个候选用户由第三区域III到第二区域II的转移概率；
Figure BDA00018948273900002017
表示第i个候选用户由第三区域III到第三区域III的转移概率；
Figure BDA00018948273900002018
表示第i个候选用户由第三区域III到第四区域IV的转移概率；
Figure BDA00018948273900002019
表示第i个候选用户由第四区域IV到第一区域I的转移概率；
Figure BDA00018948273900002020
表示第i个候选用户由第四区域IV到第二区域II的转移概率；
Figure BDA00018948273900002021
表示第i个候选用户由第四区域IV到第三区域III的转移概率；
Figure BDA00018948273900002022
表示第i个候选用户由第四区域IV到第四区域IV的转移概率；
Figure BDA00018948273900002023
表示真实查询用户由第一区域I到第一区域I的转移概率；
Figure BDA00018948273900002024
表示真实查询用户由第一区域I到第二区域II的转移概率；
Figure BDA00018948273900002025
表示真实查询用户由第一区域I到第三区域III的转移概率；
Figure BDA00018948273900002026
表示真实查询用户由第一区域I到第四区域IV的转移概率；
Figure BDA0001894827390000211
表示真实查询用户由第二区域II到第一区域I的转移概率；
Figure BDA0001894827390000212
表示真实查询用户由第二区域II到第二区域II的转移概率；
Figure BDA0001894827390000213
表示真实查询用户由第二区域II到第三区域III的转移概率；
Figure BDA0001894827390000214
表示真实查询用户由第二区域II到第四区域IV的转移概率；
Figure BDA0001894827390000215
表示真实查询用户由第三区域III到第一区域I的转移概率；
Figure BDA0001894827390000216
表示真实查询用户由第三区域III到第二区域II的转移概率；
Figure BDA0001894827390000217
表示真实查询用户由第三区域III到第三区域III的转移概率；
Figure BDA0001894827390000218
表示真实查询用户由第三区域III到第四区域IV的转移概率；
Figure BDA0001894827390000219
表示真实查询用户由第四区域IV到第一区域I的转移概率；
Figure BDA00018948273900002110
表示真实查询用户由第四区域IV到第二区域II的转移概率；
Figure BDA00018948273900002111
表示真实查询用户由第四区域IV到第三区域III的转移概率；
Figure BDA00018948273900002112
表示真实查询用户由第四区域IV到第四区域IV的转移概率；
(8.2)匿名服务器根据收集的
Figure BDA00018948273900002113
组候选用户信息G和查询用户自身真实信息
Figure BDA00018948273900002114
计算
Figure BDA00018948273900002115
组中每组k-1个候选用户与真实查询用户间的欧氏距离，并将其存入欧氏距离集合EDS：
Figure BDA00018948273900002116
其中
Figure BDA00018948273900002117
表示第F组中k-1个候选用户与真实查询者间的欧氏距离集合，且
Figure BDA00018948273900002118
Figure BDA00018948273900002119
表示第F组中第f个候选用户与真实查询者间的欧氏距离，且1≤f≤k-1；
(8.3)匿名服务器根据k-1个候选用户与真实用户的转移矩阵、欧氏距离集合EDS和交集区域所属集合IRBS，制定轨迹相似性评估条件，其实现如下：
首先，匿名服务器根据真实查询用户真实的运动模式，判断其当前时刻可能位于的区域
Figure BDA0001894827390000221
再查找其转移矩阵得到对应的转移概率
Figure BDA0001894827390000222
其中
Figure BDA0001894827390000223
属于
Figure BDA0001894827390000224
中任意一个区域；
Figure BDA0001894827390000225
属于
Figure BDA0001894827390000226
中任意一个转移概率；
然后，匿名服务器利用交集区域所属集合IRBS和真实查询用户转移矩阵
Figure BDA0001894827390000227
计算交集区域所属集合IRBS中各区域的转移概率，将其存入转移概率集合TQS：
Figure BDA0001894827390000228
最后，匿名服务器利用转移概率集合TQS和欧氏距离集合EDS，制定轨迹相似性评估条件，其包括两种情况：
情况一：若
Figure BDA0001894827390000229
且
Figure BDA00018948273900002210
则运动轨迹相似；
情况二：若
Figure BDA00018948273900002211
且
Figure BDA00018948273900002212
则运动轨迹不相似；
其中Δd表示真实查询用户自己定义的距离阈值；符号
Figure BDA00018948273900002213
表示约等于；
(8.4)匿名服务器先根据制定轨迹相似性评估条件，评估k-1个候选用户与真实用户运动轨迹相似性，并将评估结果存入一个轨迹评估集合
Figure BDA00018948273900002214
Figure BDA00018948273900002215
其中
Figure BDA00018948273900002216
表示第v组第f个候选用户与真实查询用户轨迹相似性评估结果，且其取值为{Y,N}两个中的一种，“Y”表示轨迹相似，“N”表示轨迹不相似；
(8.5)匿名服务器判断该组候选用户与真实查询用户运动轨迹的相似性，其实现如下：
首先，匿名服务器定义
Figure BDA00018948273900002217
为轨迹评估集合
Figure BDA00018948273900002218
中取值为“N”的个数且其初始值置为0，再遍历轨迹评估集合
Figure BDA00018948273900002219
对于每一个轨迹评估值，若其取值为“N”，则
Figure BDA00018948273900002220
加一；否则，
Figure BDA00018948273900002221
保持不变；
然后，匿名服务器根据统计的
Figure BDA00018948273900002222
制定整组候选用户与真实查询用户运动轨迹相似性评估条件：
若
Figure BDA0001894827390000231
则匿名服务器判定该组候选用户整体与真实用户轨迹不相似；
否则，匿名服务器判定该组候选用户整体与真实用户轨迹相似；
最后，匿名服务器记录各组候选用户与真实查询用户轨迹相似信息，并将其存入轨迹信息集合TIS：
Figure BDA0001894827390000232
其中，
Figure BDA0001894827390000233
表示第F组候选用户与真实查询用户轨迹相似信息。
步骤9，匿名服务器选择信誉值之和最大、运动轨迹不相似且形成的匿名区域面积小的组作为最终匿名用户组，并将该组中各候选用户信息与真实查询用户信息一起，形成最终查询集合FQ发送给位置服务器。
(9.1)匿名服务器根据收集整理的
Figure BDA0001894827390000234
组候选用户与真实查询者间的欧氏距离信息EDS，计算这
Figure BDA0001894827390000235
组中每组候选用户与真实查询者间的欧氏距离之和，并将其存入欧式距离之和集合SDS：
Figure BDA0001894827390000236
其中
Figure BDA0001894827390000237
表示第F组候选用户与真实查询者间的欧氏距离之和；
(9.2)匿名服务器根据收集整理的
Figure BDA0001894827390000238
组候选用户信誉之和集合信息SCS、轨迹信息集合TIS和欧式距离之和集合SDS，比较这
Figure BDA0001894827390000239
组候选用户的整体信誉之和、欧氏距离之和以及轨迹信息，将整体信誉值最大、形成的匿名区域面积最小且轨迹不相似的候选用户组做为最终候选用户组FCUS：
Figure BDA00018948273900002310
其中
Figure BDA0001894827390000241
表示第H组第f个候选用户，且1≤f≤k-1，
Figure BDA0001894827390000242
且H≠F；
Figure BDA0001894827390000243
表示第H组第f个候选用户位置信息；
Figure BDA0001894827390000244
表示第H组中第f个候选用户的查询内容信息；
(9.3)匿名服务器将最终候选用户组FCUS信息与自身真实查询信息
Figure BDA0001894827390000245
一起整理形成最终查询集合FQ：
Figure BDA0001894827390000246
其中，IDf表示第f个用户的最终身份信息，IDk表示真实查询用户的最终身份信息，(xf,yf)表示第f个用户的位置信息，QCf表示第f个用户的查询信息，
Figure BDA0001894827390000247
表示第H组第f个候选用户，且1≤f≤k-1，
Figure BDA0001894827390000248
且H≠F，
Figure BDA0001894827390000249
表示第H组第f个候选用户位置信息，
Figure BDA00018948273900002410
表示第H组中第f个候选用户的查询内容信息，Ur表示真实查询用户，
Figure BDA00018948273900002411
表示真实查询用户的位置信息，
Figure BDA00018948273900002412
表示真实查询用户的查询内容信息。
步骤10，匿名服务器、位置服务器和真实查询用户间进行的信息交互。
(10.1)匿名服务器将最终查询集合FQ发送给位置服务器；
(10.2)位置服务器收到最终查询集合FQ后，查找自己的数据库，形成候选结果集CRS，并返回给匿名服务器；
(10.3)匿名服务器收到此候选结果集CRS后，根据真实查询用户的真实信息，筛选出其所需的查询结果，并将该查询结果返回给真实查询用户，真实查询用户记录在其缓存器中。
以上描述仅是本发明的一个具体实例，并未构成对本发明的任何限制，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基于发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (6)

1.一种基于动态运动模式的隐私保护方法，包括：
(1)基于若干移动用户、匿名服务器和位置服务器构成的隐私保护框架，由手机生产厂商为每部手机安装一个缓存装置，用于用户在查询过程中对有用信息的存储；
(2)匿名服务器收集所有用户的历史查询覆盖区域信息，并将收集的所有用户的每一个历史查询覆盖区域其按逆时针方向依次分为第一区域I、第二区域II、第三区域III和第四区域IV，且各区域对应状态分别为SI、SII、SIII和SIV；
(3)匿名服务器根据所有用户历史查询覆盖区域，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，获得相应的转移概率矩阵P；
(4)匿名服务器依次计算各个候选用户与真实查询用户的最大移动边界MMB、各个候选用户最大移动边界与真实查询用户最大移动边界的交集区域IRMMB以及交集区域面积IRAMMB；按如下步骤进行：
4a)匿名服务器收集真实查询用户和各个候选用户已划分的历史查询覆盖区域和其对应的状态信息CRU、最大速度信息Vmax和查询时间信息T，分别表示如下：
Figure FDA0002953333380000011
Figure FDA0002953333380000012
T＝{Tp-1,Tp,Tp+1}；
其中
Figure FDA0002953333380000021
表示真实查询用户的历史查询覆盖区域集合；
Figure FDA0002953333380000022
表示第i个候选用户的历史查询覆盖区域集合；
Figure FDA0002953333380000023
表示第i个候选用户的第J个历史查询覆盖区域，且1≤i≤N,1≤J≤ξ；ξ表示候选用户拥有的历史查询覆盖区域个数，且ξ≥1；N表示匿名区域中包含的候选用户总数，且N≥1；
Figure FDA0002953333380000024
表示真实查询用户第J个历史查询覆盖区域；
Figure FDA0002953333380000025
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I；
Figure FDA0002953333380000026
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II；
Figure FDA0002953333380000027
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III；IVi J表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure FDA0002953333380000028
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure FDA0002953333380000029
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure FDA00029533333800000210
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure FDA00029533333800000211
表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
Figure FDA00029533333800000212
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I；
Figure FDA00029533333800000213
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II；
Figure FDA00029533333800000214
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III；IVr J表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure FDA00029533333800000215
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure FDA00029533333800000216
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure FDA00029533333800000217
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure FDA00029533333800000218
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
Figure FDA00029533333800000219
表示真实查询用户第J个历史查询覆盖区域最大速度；
Figure FDA00029533333800000220
表示第i个候选用户第J个历史查询覆盖区域最大速度；Tp-1表示上一时刻查询时间；Tp表示当前时刻查询时间；Tp+1表示下一时刻查询时间；
4b)匿名服务器根据收集的真实查询用户和各个候选用户历史查询覆盖区域信息、最大速度信息和查询时间信息，分别以真实查询用户和各个候选用户的历史查询覆盖区域中心为圆心，以其各自最大查询速度与时间间隔ΔTp+1内的乘积为半径做圆，计算各个候选用户最大移动边界MMB、真实查询用户最大移动边界区域面积
Figure FDA0002953333380000031
各候选用户与真实查询用户最大移动边界交集IRMMB以及交集区域面积IRAMMB,并将其存入最大移动边界集合MMBS中：
Figure FDA0002953333380000032
其中
Figure FDA0002953333380000033
表示第i个候选用户在Tp时刻和Tp+1时刻内，能到达的最大移动边界；
Figure FDA0002953333380000034
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域；
Figure FDA0002953333380000035
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域面积；
Figure FDA0002953333380000036
表示真实查询用户在Tp时刻和Tp+1时刻内，能到达的最大移动边界；
Figure FDA0002953333380000037
表示Tp时刻真实查询用户最大移动边界区域面积；
Figure FDA0002953333380000038
表示Tp时刻真实查询用户最大速度；ΔTp+1＝Tp+1-Tp；
4c)匿名服务器根据计算出的最大移动边界集合MMBS，计算各候选用户与真实查询用户的最大移动边界的交集区域的坐标范围IR：
首先，匿名服务器根据各候选用户与真实查询用户的最大移动边界区域，计算该最大移动边界交集区域的交点；
然后，匿名服务器将计算出的所有坐标存入交集区域集合IR：
Figure FDA0002953333380000039
其中，
Figure FDA00029533333800000310
表示第i个候选用户与真实查询用户的最大移动边界的交集区域的坐标范围；xi表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域的横坐标；
Figure FDA00029533333800000311
表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域横坐标的最小值；
Figure FDA0002953333380000041
表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域横坐标的最大值；yi表示Tp时刻第i个候选用户与真实查询用户的最大移动边界的交集区域的纵坐标；
Figure FDA0002953333380000042
表示Tp时刻第i个候选用户与真实查询用户最大移动边界交集区域纵坐标的最小值；
Figure FDA0002953333380000043
表示Tp时刻第i个候选用户与真实查询用户最大移动边界交集区域纵坐标的最大值；1≤i≤N；
4d)匿名服务器根据真实查询用户Tp时刻的最大移动边界区域
Figure FDA0002953333380000044
计算真实查询用户Tp时刻最大移动边界区域
Figure FDA0002953333380000045
的四部分区域坐标范围
Figure FDA0002953333380000046
Figure FDA0002953333380000047
其中，xI表示Tp时刻真实查询用户最大移动边界第一区域I的横坐标；
Figure FDA0002953333380000048
表示Tp时刻真实查询用户最大移动边界第一区域I横坐标的最小值；
Figure FDA0002953333380000049
表示Tp时刻真实查询用户最大移动边界第一区域I横坐标的最大值；yI表示Tp时刻真实查询用户最大移动边界第一区域I的纵坐标；
Figure FDA00029533333800000410
表示Tp时刻真实查询用户最大移动边界第一区域I纵坐标的最小值；
Figure FDA00029533333800000411
表示Tp时刻真实查询用户最大移动边界第一区域I纵坐标的最大值；xII表示Tp时刻真实查询用户最大移动边界第二区域II的横坐标；
Figure FDA00029533333800000412
表示Tp时刻真实查询用户最大移动边界第二区域II横坐标的最小值；
Figure FDA00029533333800000413
表示Tp时刻真实查询用户最大移动边界第二区域II横坐标的最大值；yII表示Tp时刻真实查询用户最大移动边界第二区域II的纵坐标；
Figure FDA00029533333800000414
表示Tp时刻真实查询用户最大移动边界第二区域II纵坐标的最小值；
Figure FDA00029533333800000415
表示Tp时刻真实查询用户最大移动边界第二区域II纵坐标的最大值；xIII表示Tp时刻真实查询用户最大移动边界第三区域III的横坐标；
Figure FDA00029533333800000416
表示Tp时刻真实查询用户最大移动边界第三区域III横坐标的最小值；
Figure FDA00029533333800000417
表示Tp时刻真实查询用户最大移动边界第三区域III横坐标的最大值；yIII表示Tp时刻真实查询用户最大移动边界第三区域III的纵坐标；
Figure FDA0002953333380000051
表示Tp时刻真实查询用户最大移动边界第三区域III纵坐标的最小值；
Figure FDA0002953333380000052
表示Tp时刻真实查询用户最大移动边界第三区域III纵坐标的最大值；xIV表示Tp时刻真实查询用户最大移动边界第四区域IV的横坐标；
Figure FDA0002953333380000053
表示Tp时刻真实查询用户最大移动边界第四区域IV横坐标的最小值；
Figure FDA0002953333380000054
表示Tp时刻真实查询用户最大移动边界第四区域IV横坐标的最大值；yIV表示Tp时刻真实查询用户最大移动边界第四区域IV的纵坐标；
Figure FDA0002953333380000055
表示Tp时刻真实查询用户最大移动边界第四区域IV纵坐标的最小值；
Figure FDA0002953333380000056
表示Tp时刻真实查询用户最大移动边界第四区域IV纵坐标的最大值；
Figure FDA0002953333380000057
表示Tp时刻真实查询用户最大移动边界区域
Figure FDA0002953333380000058
划分的第一区域；
Figure FDA0002953333380000059
表示Tp时刻真实查询用户最大移动边界区域
Figure FDA00029533333800000510
划分的第二区域；
Figure FDA00029533333800000511
表示Tp时刻真实查询用户最大移动边界区域
Figure FDA00029533333800000512
划分的第三区域；
Figure FDA00029533333800000513
表示Tp时刻真实查询用户最大移动边界区域
Figure FDA00029533333800000514
划分的第四区域；
4e)匿名服务器根据真实查询用户Tp时刻最大移动边界区域
Figure FDA00029533333800000515
的四部分区域坐标范围
Figure FDA00029533333800000516
和交集区域集合IR，制定各交集区域所属最大移动边界区域
Figure FDA00029533333800000517
的评估条件，共包括四种可能的情况：
情况一：若
Figure FDA00029533333800000518
则
Figure FDA00029533333800000519
情况二：若
Figure FDA00029533333800000520
则
Figure FDA00029533333800000521
情况三：若
Figure FDA00029533333800000522
则
Figure FDA00029533333800000523
情况四：若
Figure FDA00029533333800000524
则
Figure FDA00029533333800000525
4f)匿名服务器根据各交集区域所属最大移动边界区域
Figure FDA00029533333800000526
的评估条件，对各候选用户与真实查询用户交集区域进行分类，存入交集区域所属集合IRBS：
Figure FDA00029533333800000527
其中，
Figure FDA00029533333800000528
表示第i个候选用户与真实查询用户最大移动边界交集区域属于
Figure FDA00029533333800000529
中的区域，且
Figure FDA00029533333800000530
仅属于
Figure FDA00029533333800000531
这4部分区域中的一部分区域；
(5)匿名服务器根据所有用户的马尔可夫模型、各个候选用户与真实查询用户间最大移动边界的交集区域IRMMB和交集区域面积IRAMMB，对各个候选用户的信誉进行评估，得到相应的信誉值Cre；计算各个候选用户的信誉值Cre，按如下步骤进行：
5a)匿名服务器收集和整理真实查询用户的马尔可夫转移矩阵
Figure FDA0002953333380000061
Figure FDA0002953333380000062
其中，
Figure FDA0002953333380000063
表示真实查询用户由第一区域I到第一区域I的转移概率；
Figure FDA0002953333380000064
表示真实查询用户由第一区域I到第二区域II的转移概率；
Figure FDA0002953333380000065
表示真实查询用户由第一区域I到第三区域III的转移概率；
Figure FDA0002953333380000066
表示真实查询用户由第一区域I到第四区域IV的转移概率；
Figure FDA0002953333380000067
表示真实查询用户由第二区域II到第一区域I的转移概率；
Figure FDA0002953333380000068
表示真实查询用户由第二区域II到第二区域II的转移概率；
Figure FDA0002953333380000069
表示真实查询用户由第二区域II到第三区域III的转移概率；
Figure FDA00029533333800000610
表示真实查询用户由第二区域II到第四区域IV的转移概率；
Figure FDA00029533333800000611
表示真实查询用户由第三区域III到第一区域I的转移概率；
Figure FDA00029533333800000612
表示真实查询用户由第三区域III到第二区域II的转移概率；
Figure FDA00029533333800000613
表示真实查询用户由第三区域III到第三区域III的转移概率；
Figure FDA00029533333800000614
表示真实查询用户由第三区域III到第四区域IV的转移概率；
Figure FDA00029533333800000615
表示真实查询用户由第四区域IV到第一区域I的转移概率；
Figure FDA00029533333800000616
表示真实查询用户由第四区域IV到第二区域II的转移概率；
Figure FDA00029533333800000617
表示真实查询用户由第四区域IV到第三区域III的转移概率；
Figure FDA00029533333800000618
表示真实查询用户由第四区域IV到第四区域IV的转移概率；
5b)匿名服务器根据收集的最大移动边界集合MMBS，计算各候选用户与真实查询用户最大移动边界交集区域面积与真实查询用户最大移动边界面积间的比值，并将其存入面积比值集合ASS：
Figure FDA00029533333800000619
其中，
Figure FDA00029533333800000620
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域面积；
Figure FDA0002953333380000071
表示Tp时刻真实查询用户最大移动边界区域面积；
Figure FDA0002953333380000072
表示Tp时刻第i个候选用户和真实查询用户最大移动边界交集区域面积与真实查询用户最大移动边界区域面积间的比值；
5c)匿名服务器根据收集的根据真实查询用户的马尔可夫转移矩阵
Figure FDA0002953333380000073
最大移动边界集合MMBS、交集区域所属集合IRBS和面积比值集合ASS，制定各候选用户信誉值Cre评估条件，其实现如下：
首先，由匿名服务器根据交集区域所属集合IRBS中各交集区域所属部分，在真实查询用户转移矩阵
Figure FDA0002953333380000074
中找到与之对应的转移概率PT＝{P1,P2,...,Pi,...,PN}，其中Pi表示第i个候选用户在真实查询用户转移矩阵
Figure FDA0002953333380000075
中对应的概率；
然后，由匿名服务器根据转移概率PT和面积比值集合ASS，制定各候选用户信誉值Cre评估条件，共包括四种情况：
情况一：若
Figure FDA0002953333380000076
且
Figure FDA0002953333380000077
则
Figure FDA0002953333380000078
情况二：若
Figure FDA0002953333380000079
且
Figure FDA00029533333800000710
则
Figure FDA00029533333800000711
情况三：若
Figure FDA00029533333800000712
且
Figure FDA00029533333800000713
则
Figure FDA00029533333800000714
情况四：若
Figure FDA00029533333800000715
且
Figure FDA00029533333800000716
则
Figure FDA00029533333800000717
5d)匿名服务器根据上述信誉评判条件，计算各候选用户的信誉值，并将其存入信誉集合CS：
Figure FDA00029533333800000718
其中
Figure FDA00029533333800000719
仅仅取
Figure FDA00029533333800000720
这4个信誉值中的任意一个；
(6)匿名服务器将所有的候选用户分为
Figure FDA00029533333800000721
组，每组k-1个候选用户，其中N表示匿区域中包含的候选用户总数，k表示匿名保护时所需的最小用户个数；
(7)构建最终查询集合FQ：
7a)匿名服务器计算这
Figure FDA00029533333800000722
组中每组k-1个候选用户的信誉值之和；
7b)匿名服务器计算这k-1个候选用户与真实用户欧式距离EDS，并利用转移概率矩阵P和欧式距离EDS，对k-1个候选用户与真实用户运动轨迹相似性进行评估；
7c)匿名服务器选择信誉值之和最大、运动轨迹不相似且形成的匿名区域面积最小的组作为最终匿名用户组；并将该组中各候选用户信息与真实查询用户信息一起，形成最终查询集合FQ发送给位置服务器；
(8)位置服务器收到最终查询集合FQ后，查找自己的数据库，形成候选结果集CRS，并返回给匿名服务器；
(9)匿名服务器根据真查询用户的真实信息，筛选出满足其要求的查询结果，并返回给真实查询用户，真实查询用户收到查询结果并将其记录在缓存器中。
2.根据权利要求1所述的方法，其中(2)匿名服务器收集所有用户的历史查询覆盖区域信息，分别表示如下：
Figure FDA0002953333380000081
其中，
Figure FDA0002953333380000082
表示第i个候选用户的历史查询覆盖区域集合；
Figure FDA0002953333380000083
表示第i个候选用户的第J个历史查询覆盖区域；
Figure FDA0002953333380000084
表示真实查询用户的历史查询覆盖区域集合；
Figure FDA0002953333380000085
表示真实查询用户的第J个历史查询覆盖区域，且1≤i≤N,1≤J≤ξ，ξ表示候选用户拥有的历史查询覆盖区域个数，且ξ≥1；N表示匿名区域中包含的候选用户总数，且N≥1。
3.根据权利要求1所述的方法，其中(3)中匿名服务器根据所有用户历史查询覆盖区域，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，按如下步骤进行：
3a)匿名服务器收集和整理所有用户已划分的历史查询覆盖区域和其对应的状态，分别表示如下：
Figure FDA0002953333380000091
Figure FDA0002953333380000101
其中，
Figure FDA0002953333380000102
表示第i个候选用户的历史查询覆盖区域集合；
Figure FDA0002953333380000103
表示真实查询用户的历史查询覆盖区域集合；
Figure FDA0002953333380000104
表示真实查询用户的第J个历史查询覆盖区域；
Figure FDA0002953333380000105
表示第i个候选用户的第J个历史查询覆盖区域集合，且1≤i≤N,1≤J≤ξ；ξ表示候选用户拥有的历史查询覆盖区域个数，且ξ≥1；N表示匿名区域中包含的候选用户总数，且N≥1；
Figure FDA0002953333380000106
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I；
Figure FDA0002953333380000107
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II；
Figure FDA0002953333380000108
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III；IVi J表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure FDA0002953333380000109
表示第i个候选用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure FDA00029533333800001010
表示第i个候选用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure FDA00029533333800001011
表示第i个候选用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure FDA00029533333800001012
表示第i个候选用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
Figure FDA00029533333800001013
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I；
Figure FDA00029533333800001014
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II；
Figure FDA00029533333800001015
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III；
Figure FDA00029533333800001016
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV；
Figure FDA00029533333800001017
表示真实查询用户的第J个历史查询覆盖区域的第一部分区域I对应的状态；
Figure FDA00029533333800001018
表示真实查询用户的第J个历史查询覆盖区域的第二部分区域II对应的状态；
Figure FDA00029533333800001019
表示真实查询用户的第J个历史查询覆盖区域的第三部分区域III对应的状态；
Figure FDA00029533333800001020
表示真实查询用户的第J个历史查询覆盖区域的第四部分区域IV对应的状态；
3b)匿名服务器根据收集到的所有用户已划分的历史查询覆盖区域和其对应的状态，利用依赖时间一阶马尔可夫链对所有用户的运动模式进行建模，获得相应的转移概率矩阵：
首先，匿名服务器将第i个候选用户ξ个已划分的历史查询覆盖区域和其对应的状态按照时间顺序排列；
然后，由匿名服务器依次统计第i个候选用户ξ个历史查询覆盖区域中任意一个历史查询覆盖区域转移到其相邻下一个历史查询覆盖区域四个不同部分的个数
Figure FDA0002953333380000111
Figure FDA0002953333380000112
其中
Figure FDA0002953333380000113
表示第i个候选用户从第一区域I转移到第一区域I的个数；
Figure FDA0002953333380000114
表示第i个候选用户从第一区域I转移到第二区域II的个数；
Figure FDA0002953333380000115
表示第i个候选用户从第一区域I转移到第三区域III的个数；
Figure FDA0002953333380000116
表示第i个候选用户从第一区域I转移到第四区域IV的个数；
Figure FDA0002953333380000117
表示第i个候选用户从第二区域II转移到第一区域I的个数；
Figure FDA0002953333380000118
表示第i个候选用户从第二区域II转移到第二区域II的个数；
Figure FDA0002953333380000119
表示第i个候选用户从第二区域II转移到第三区域III的个数；
Figure FDA00029533333800001110
表示第i个候选用户从第二区域II转移到第四区域IV的个数；
Figure FDA00029533333800001111
表示第i个候选用户从第三区域III转移到第一区域I的个数；
Figure FDA00029533333800001112
表示第i个候选用户从第三区域III转移到第二区域II的个数；
Figure FDA00029533333800001113
表示第i个候选用户从第三区域III转移到第三区域III的个数；
Figure FDA00029533333800001114
表示第i个候选用户从第三区域III转移到第四区域IV的个数；
Figure FDA00029533333800001115
表示第i个候选用户从第四区域IV转移到第一区域I的个数；
Figure FDA00029533333800001116
表示第i个候选用户从第四区域IV转移到第二区域II的个数；
Figure FDA00029533333800001117
表示第i个候选用户从第四区域IV转移到第三区域III的个数；
Figure FDA00029533333800001118
表示第i个候选用户从第四区域IV转移到第四区域IV的个数；
接着，匿名服务器分别计算四个不同部分的个数
Figure FDA00029533333800001119
占整体个数ξ的比值
Figure FDA00029533333800001120
Figure FDA0002953333380000121
最后，匿名服务器将此比值组成的矩阵作为第i个候选用户的概率转移矩阵
Figure FDA0002953333380000122
Figure FDA0002953333380000123
其中，
Figure FDA0002953333380000124
表示第i个候选用户从第一区域I转移到第一区域I的概率；
Figure FDA0002953333380000125
表示第i个候选用户从区域第一区域I转移到第二区域II的概率；
Figure FDA0002953333380000126
表示第i个候选用户从第一区域I转移到第三区域III的概率；
Figure FDA0002953333380000127
表示第i个候选用户从第一区域I转移到第四区域IV的概率；
Figure FDA0002953333380000128
表示第i个候选用户从第二区域II转移到第一区域I的概率；
Figure FDA0002953333380000129
表示第i个候选用户从第二区域II转移到第二区域II的概率；
Figure FDA00029533333800001210
表示第i个候选用户从第二区域II转移到第三区域III的概率；
Figure FDA00029533333800001211
表示第i个候选用户从第二区域II转移到第四区域IV的概率；
Figure FDA00029533333800001212
表示第i个候选用户从第三区域III转移到第一区域I的概率；
Figure FDA00029533333800001213
表示第i个候选用户从第三区域III转移到第二区域II的概率；
Figure FDA00029533333800001214
表示第i个候选用户从第三区域III转移到第三区域III的概率；
Figure FDA00029533333800001215
表示第i个候选用户从第三区域III转移到第四区域IV的概率；
Figure FDA00029533333800001216
表示第i个候选用户从第四区域IV转移到第一区域I的概率；
Figure FDA00029533333800001217
表示第i个候选用户从第四区域IV转移到第二区域II的概率；
Figure FDA00029533333800001218
表示第i个候选用户从第四区域IV转移到第三区域III的概率；
Figure FDA00029533333800001219
表示第i个候选用户从第四区域IV转移到第四区域IV的概率。
4.根据权利要求1所述的方法，其中7a)匿名服务器计算这
Figure FDA0002953333380000131
组中每组k-1个候选用户的信誉值之和，按如下步骤进行：
7a1)匿名服务器收集
Figure FDA0002953333380000132
组候选用户信息G，表示如下:
Figure FDA0002953333380000133
其中GF表示第F组候选用户信息，且
Figure FDA0002953333380000134
Figure FDA0002953333380000135
表示第F组第f个候选用户，且1≤f≤k-1；
Figure FDA0002953333380000136
表示第F组第f个候选用户位置信息；
Figure FDA0002953333380000137
表示第F组第f个候选用户信誉值；
7a2)匿名服务器根据收集整理的
Figure FDA0002953333380000138
组候选用户整体信誉值，计算这
Figure FDA0002953333380000139
组中每组候选用户整体信誉值之和，并将其存入整体信誉之和集合SCS：
Figure FDA00029533333800001310
其中
Figure FDA00029533333800001311
表示第F组候选用户整体信誉值之和。
5.根据权利要求1所述的方法，其中7b)中匿名服务器利用这k-1个候选用户与真实用户的转移概率和欧式距离，对k-1个候选用户与真实用户运动轨迹相似性进行评估，按如下步骤进行：
7b1)匿名服务器整理各候选用户与真实用户的转移矩阵和真实查询用户的信息QMUr，分别表示如下:
Figure FDA0002953333380000141
Figure FDA0002953333380000142
其中，
Figure FDA0002953333380000143
表示第i个候选用户的转移概率矩阵；
Figure FDA0002953333380000144
表示真实查询用户的转移概率矩阵；
Figure FDA0002953333380000145
表示第i个候选用户由第一区域I到第一区域I的转移概率；
Figure FDA0002953333380000146
表示第i个候选用户由第一区域I到第二区域II的转移概率；
Figure FDA0002953333380000147
表示第i个候选用户由第一区域I到第三区域III的转移概率；
Figure FDA0002953333380000148
表示第i个候选用户由第一区域I到第四区域IV的转移概率；
Figure FDA0002953333380000149
表示第i个候选用户由第二区域II到第一区域I的转移概率；
Figure FDA00029533333800001410
表示第i个候选用户由第二区域II到第二区域II的转移概率；
Figure FDA0002953333380000151
表示第i个候选用户由第二区域II到第三区域III的转移概率；
Figure FDA0002953333380000152
表示第i个候选用户由第二区域II到第四区域IV的转移概率；
Figure FDA0002953333380000153
表示第i个候选用户由第三区域III到第一区域I的转移概率；
Figure FDA0002953333380000154
表示第i个候选用户由第三区域III到第二区域II的转移概率；
Figure FDA0002953333380000155
表示第i个候选用户由第三区域III到第三区域III的转移概率；
Figure FDA0002953333380000156
表示第i个候选用户由第三区域III到第四区域IV的转移概率；
Figure FDA0002953333380000157
表示第i个候选用户由第四区域IV到第一区域I的转移概率；
Figure FDA0002953333380000158
表示第i个候选用户由第四区域IV到第二区域II的转移概率；
Figure FDA0002953333380000159
表示第i个候选用户由第四区域IV到第三区域III的转移概率；
Figure FDA00029533333800001510
表示第i个候选用户由第四区域IV到第四区域IV的转移概率；
Figure FDA00029533333800001511
表示真实查询用户由第一区域I到第一区域I的转移概率；
Figure FDA00029533333800001512
表示真实查询用户由第一区域I到第二区域II的转移概率；
Figure FDA00029533333800001513
表示真实查询用户由第一区域I到第三区域III的转移概率；
Figure FDA00029533333800001514
表示真实查询用户由第一区域I到第四区域IV的转移概率；
Figure FDA00029533333800001515
表示真实查询用户由第二区域II到第一区域I的转移概率；
Figure FDA00029533333800001516
表示真实查询用户由第二区域II到第二区域II的转移概率；
Figure FDA00029533333800001517
表示真实查询用户由第二区域II到第三区域III的转移概率；
Figure FDA00029533333800001518
表示真实查询用户由第二区域II到第四区域IV的转移概率；
Figure FDA00029533333800001519
表示真实查询用户由第三区域III到第一区域I的转移概率；
Figure FDA00029533333800001520
表示真实查询用户由第三区域III到第二区域II的转移概率；
Figure FDA00029533333800001521
表示真实查询用户由第三区域III到第三区域III的转移概率；
Figure FDA00029533333800001522
表示真实查询用户由第三区域III到第四区域IV的转移概率；
Figure FDA00029533333800001523
表示真实查询用户由第四区域IV到第一区域I的转移概率；
Figure FDA00029533333800001524
表示真实查询用户由第四区域IV到第二区域II的转移概率；
Figure FDA00029533333800001525
表示真实查询用户由第四区域IV到第三区域III的转移概率；
Figure FDA00029533333800001526
表示真实查询用户由第四区域IV到第四区域IV的转移概率；
7b2)匿名服务器根据收集的
Figure FDA00029533333800001527
组候选用户信息G和查询用户自身真实信息
Figure FDA00029533333800001528
计算
Figure FDA00029533333800001529
组中每组k-1个候选用户与真实查询用户间的欧氏距离，并将其存入欧氏距离集合EDS：
Figure FDA0002953333380000161
其中
Figure FDA0002953333380000162
表示第F组中k-1个候选用户与真实查询者间的欧氏距离集合，且
Figure FDA0002953333380000163
Figure FDA0002953333380000164
表示第F组中第f个候选用户与真实查询者间的欧氏距离，且1≤f≤k-1；
7b3)匿名服务器根据k-1个候选用户与真实用户的转移矩阵、欧氏距离集合EDS和交集区域所属集合IRBS，制定轨迹相似性评估条件，其实现如下：
首先，匿名服务器根据真实查询用户真实的运动模式，判断其当前时刻可能位于的区域
Figure FDA0002953333380000165
再查找其转移矩阵得到对应的转移概率
Figure FDA0002953333380000166
其中
Figure FDA0002953333380000167
属于
Figure FDA0002953333380000168
中任意一个区域；
Figure FDA0002953333380000169
属于
Figure FDA00029533333800001610
中任意一个转移概率；
然后，匿名服务器利用交集区域所属集合IRBS和真实查询用户转移矩阵
Figure FDA00029533333800001611
计算交集区域所属集合IRBS中各区域的转移概率，将其存入转移概率集合TQS：
Figure FDA00029533333800001612
最后，匿名服务器利用转移概率集合TQS和欧氏距离集合EDS，制定轨迹相似性评估条件，其包括两种情况：
情况一：若
Figure FDA00029533333800001613
且
Figure FDA00029533333800001614
则运动轨迹相似；
情况二：若
Figure FDA00029533333800001615
且
Figure FDA00029533333800001616
则运动轨迹不相似；
其中Δd表示真实查询用户自己定义的距离阈值；符号
Figure FDA00029533333800001715
表示约等于；
7b4)匿名服务器先根据制定的轨迹相似性评估条件，评估k-1个候选用户与真实用户运动轨迹相似性，并将评估结果存入一个轨迹评估集合
Figure FDA0002953333380000171
Figure FDA0002953333380000172
其中
Figure FDA0002953333380000173
表示第v组第f个候选用户与真实查询用户轨迹相似性评估结果，且其取值为{Y,N}两个中的一种，“Y”表示轨迹相似，“N”表示轨迹不相似；
7b5)匿名服务器判断该组候选用户与真实查询用户运动轨迹的相似性，其实现如下：
首先，匿名服务器定义
Figure FDA0002953333380000174
为轨迹评估集合
Figure FDA0002953333380000175
中取值为“N”的个数且其初始值置为0，再遍历轨迹评估集合
Figure FDA0002953333380000176
对于每一个轨迹评估值，若其取值为“N”，则
Figure FDA0002953333380000177
加一；否则，
Figure FDA0002953333380000178
保持不变；
然后，匿名服务器根据统计的
Figure FDA0002953333380000179
制定整组候选用户与真实查询用户运动轨迹相似性评估条件：
若
Figure FDA00029533333800001710
则匿名服务器判定该组候选用户整体与真实用户轨迹不相似；
否则，匿名服务器判定该组候选用户整体与真实用户轨迹相似；
最后，匿名服务器记录各组候选用户与真实查询用户轨迹相似信息，并将其存入轨迹信息集合TIS：
Figure FDA00029533333800001711
其中
Figure FDA00029533333800001712
表示第F组候选用户与真实查询用户轨迹相似信息。
6.根据权利要求1所述的方法，其中7c)中匿名服务器选择信誉值之和最大、运动轨迹不相似且形成的匿名区域面积小的组作为最终匿名用户组；最终将该组中各候选用户信息与真实查询用户信息一起，形成最终查询集合FQ发送给位置服务器，按如下步骤进行：
7c1)匿名服务器根据收集整理的
Figure FDA00029533333800001713
组候选用户与真实查询者间的欧氏距离信息EDS，计算这
Figure FDA00029533333800001714
组中每组候选用户与真实查询者间的欧氏距离之和，并将其存入欧式距离之和集合SDS：
Figure FDA0002953333380000181
其中
Figure FDA0002953333380000182
表示第F组候选用户与真实查询者间的欧氏距离之和；
7c2)匿名服务器根据收集整理的
Figure FDA0002953333380000183
组候选用户信誉之和集合信息SCS、轨迹信息集合TIS和欧式距离之和集合SDS，比较这
Figure FDA0002953333380000184
组候选用户的整体信誉之和、欧氏距离之和以及轨迹信息，将整体信誉值最大、形成的匿名区域面积最小且轨迹不相似的候选用户组做为最终候选用户组FCUS：
Figure FDA0002953333380000185
其中
Figure FDA0002953333380000186
表示第H组第f个候选用户，且1≤f≤k-1，
Figure FDA0002953333380000187
且H≠F；
Figure FDA0002953333380000188
表示第H组第f个候选用户位置信息；
Figure FDA0002953333380000189
表示第H组中第f个候选用户的查询内容信息；
7c3)匿名服务器将最终候选用户组FCUS信息与自身真实查询信息
Figure FDA00029533333800001810
一起整理形成最终查询集合FQ：
Figure FDA00029533333800001811
其中，IDf表示第f个用户的最终身份信息，IDk表示真实查询用户的最终身份信息；(xf,yf)表示第f个用户的位置信息，QCf表示第f个用户的查询信息；
Figure FDA00029533333800001812
表示第H组第f个候选用户，且1≤f≤k-1，
Figure FDA00029533333800001813
且H≠F；
Figure FDA00029533333800001814
表示第H组第f个候选用户位置信息；
Figure FDA0002953333380000191
表示第H组中第f个候选用户的查询内容信息；Ur表示真实查询用户；
Figure FDA0002953333380000192
表示真实查询用户的位置信息；
Figure FDA0002953333380000193
表示真实查询用户的查询内容信息。
CN201811487209.XA 2018-12-06 2018-12-06 基于动态运动模式的隐私保护方法 Active CN109617870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811487209.XA CN109617870B (zh) 2018-12-06 2018-12-06 基于动态运动模式的隐私保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811487209.XA CN109617870B (zh) 2018-12-06 2018-12-06 基于动态运动模式的隐私保护方法

Publications (2)

Publication Number Publication Date
CN109617870A CN109617870A (zh) 2019-04-12
CN109617870B true CN109617870B (zh) 2021-05-18

Family

ID=66006178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811487209.XA Active CN109617870B (zh) 2018-12-06 2018-12-06 基于动态运动模式的隐私保护方法

Country Status (1)

Country Link
CN (1) CN109617870B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464276B (zh) * 2020-11-18 2023-07-25 广东工业大学 一种针对稀疏位置轨迹隐私保护方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101834861A (zh) * 2010-04-16 2010-09-15 华中师范大学 位置服务中基于邻居节点转发查询的轨迹隐私保护方法
CN103813311A (zh) * 2014-03-06 2014-05-21 福建师范大学 一种位置信息隐私保护方法
CN104092692A (zh) * 2014-07-15 2014-10-08 福建师范大学 一种基于k-匿名与服务相似性相结合的位置隐私保护方法
CN104219245A (zh) * 2014-09-19 2014-12-17 西安电子科技大学 面向基于位置服务的用户隐私保护系统及方法
CN104717292A (zh) * 2015-03-20 2015-06-17 南京邮电大学 一种k-匿名与云端相结合的位置隐私保护方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8856939B2 (en) * 2008-09-05 2014-10-07 Iowa State University Research Foundation, Inc. Cloaking with footprints to provide location privacy protection in location-based services

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101834861A (zh) * 2010-04-16 2010-09-15 华中师范大学 位置服务中基于邻居节点转发查询的轨迹隐私保护方法
CN103813311A (zh) * 2014-03-06 2014-05-21 福建师范大学 一种位置信息隐私保护方法
CN104092692A (zh) * 2014-07-15 2014-10-08 福建师范大学 一种基于k-匿名与服务相似性相结合的位置隐私保护方法
CN104219245A (zh) * 2014-09-19 2014-12-17 西安电子科技大学 面向基于位置服务的用户隐私保护系统及方法
CN104717292A (zh) * 2015-03-20 2015-06-17 南京邮电大学 一种k-匿名与云端相结合的位置隐私保护方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《LBS 隐私保护中基于查询范围的匿名区构造方案》;裴卓雄 等;《通信学报》;20170930;全文 *
《基于服务相似性的k-匿名位置隐私保护方法》;叶阿勇 等;《通信学报》;20141130;全文 *

Also Published As

Publication number Publication date
CN109617870A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
Chang et al. Learning graph-based geographical latent representation for point-of-interest recommendation
Feng et al. Dplink: User identity linkage via deep neural network from heterogeneous mobility data
CN108536851B (zh) 一种基于移动轨迹相似度比较的用户身份识别方法
CN110334548B (zh) 一种基于差分隐私的数据异常检测方法
Jin et al. A survey and experimental study on privacy-preserving trajectory data publishing
Zhou et al. A “semi-lazy” approach to probabilistic path prediction in dynamic environments
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
CN109729077B (zh) 基于动态位置关联的隐私保护方法
Chang et al. Revealing privacy vulnerabilities of anonymous trajectories
CN107204988A (zh) 一种基于p2p结构下的位置隐私保护方法
CN112035880B (zh) 一种基于偏好感知的轨迹隐私保护服务推荐方法
Yin et al. GANs Based Density Distribution Privacy‐Preservation on Mobility Data
CN103984764A (zh) 基于道路网络感知查询语义的个性化隐私保护方法
Tang et al. Long-term location privacy protection for location-based services in mobile cloud computing
CN109977324A (zh) 一种兴趣点挖掘方法及系统
CN109617870B (zh) 基于动态运动模式的隐私保护方法
CN109327485B (zh) 一种位置信息的隐匿方法及位置服务器
Zhou et al. Toward robust hierarchical federated learning in internet of vehicles
CN112632614A (zh) 一种偏好感知的轨迹匿名方法及系统
CN110502919B (zh) 一种基于深度学习的轨迹数据去匿名方法
Wang et al. $ N $-in-One: A Novel Location-Based Service
Chen et al. User account linkage across multiple platforms with location data
CN110430526B (zh) 基于信誉评估的隐私保护方法
CN110365677B (zh) 基于用户分类的隐私保护方法
He et al. Crowd-sensing enhanced parking patrol using sharing bikes’ trajectories

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