CN110621005B

CN110621005B - 实现基于众包应用的车联网隐私保护方法

Info

Publication number: CN110621005B
Application number: CN201910918845.1A
Authority: CN
Inventors: 李慧; 裴黎爽; 廖丹; 张明; 李玉娟
Original assignee: CHENGDU RESEARCH INSTITUTE OF UESTC; University of Electronic Science and Technology of China
Current assignee: CHENGDU RESEARCH INSTITUTE OF UESTC; University of Electronic Science and Technology of China
Priority date: 2019-09-26
Filing date: 2019-09-26
Publication date: 2020-06-23
Anticipated expiration: 2039-09-26
Also published as: CN110621005A

Abstract

本发明公开了一种实现基于众包应用的车联网隐私保护方法，其包括以下步骤：S1、确定时间容忍系数；S2、从p辆车中选择一辆以群身份上传该条交通数据至边缘节点；S3、并将用户的请求位置l_r模糊在相对应的位置点POI_lr中；S4、差构造正态分布函数集合；S5、获取偏移概率；S6、根据偏移概率熵最大化选取k‑1个位置点；S7、将k个位置点发送至边缘节点，得到对应的k条交通数据；S8、目标车辆U根据位置点POI_lr在请求数据中的位置从得到的k条交通数据中选取其需要的交通数据，完成车联网中的交通数据下载。本发明可有效保护车联网数据上传与下载过程中的隐私。

Description

实现基于众包应用的车联网隐私保护方法

技术领域

本发明涉及车联网隐私保护利用，具体涉及一种实现基于众包应用的车联网隐私保护方法。

背景技术

联网车辆(Connected Vehicles)一般都安装智能设备，如高清的摄像头、行车记录仪、通信设备，以及其它的一些传感器，用于提供行车安全，减少车祸。由于联网车辆数量的不断增加，众包应用也相应的大量出现在车联网中。在众包应用中，车辆主动采集交通或安全信息，如道路地图、交通事故、车辆拥堵情况等。这和传统的采集方式不一样，传统的采集方式需要专门的设备、专门的人来做这些繁琐的工作，这就需要耗费大量的人力、物力和财力等。而且，就时效性而言，相比传统的采集方式，众包应用能提供高实时性的服务。因为车辆所处的环境复杂，且具有很高的更新频率，比如车辆所处的道路环境可能因为修路而改变，也可能因为驾驶员失误而出现交通事故等。传统的采集方式单靠人工来收集这些信息必然会有一定延迟。而采用众包应用，车辆通过配备的智能传感设备可以随时随地的收集到这些突发改变的交通信息。因此众包应用是一种具有前景的车联网应用。

但是，车联网在交通数据上传时，必然包括了交通数据发生的位置信息。而这个交通数据发生的位置很有可能就是车辆已经过的位置。因为车辆只有经过这个位置，才能通过车辆上的感知设备来采集相应位置上的交通数据。因此边缘节点会通过分析车辆上传的交通数据中包含的位置信息来猜测出车辆经过的位置，从而车辆的位置隐私就泄露了；在数据分发的过程中，如果请求的交通数据是车辆未来某时刻要抵达位置的交通数据信息，那么边缘节点通过这条下发的交通数据就能猜测出车辆将要到达的位置点，从而车辆的隐私就泄露了。

发明内容

针对现有技术中的上述不足，本发明提供的实现基于众包应用的车联网隐私保护方法解决了车联网过程中隐私可能泄露的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种实现基于众包应用的车联网隐私保护方法，其包括以下步骤：

S1、当目标车辆U采集到发生在位置l₀的交通数据Msg(l₀)时，确定该条交通数据Msg(l₀)的时间容忍系数；

S2、根据时间容忍系数获取时间容忍范围，在时间容忍范围内，设置匿名保护程度p，并从p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点，完成车联网中的交通数据上传；

S3、构建一个包含当前位置和请求位置l_r的区域A，获取区域A中所有的Q个位置点，并将用户的请求位置l_r模糊在相对应的位置点POI_lr中；

S4、在除开位置点POI_lr的其余Q-1个位置点与位置点POI_lr之间，以距离为期望值、角度为标准差构造正态分布函数集合；

S5、根据正态分布函数集合，获取Q-1个位置点与位置点POI_lr之间的偏移概率；

S6、对获取的偏移概率进行排序，根据偏移概率熵最大化选取前面最大的k-1个偏移概率，得到对应的k-1个位置点；

S7、将选取的k-1个位置点和位置点POI_lr均作为请求数据发送至边缘节点，得到对应的k条交通数据；

S8、目标车辆U根据位置点POI_lr在请求数据中的位置从得到的k条交通数据中选取其需要的交通数据，完成车联网中的交通数据下载。

进一步地，步骤S1中的交通数据包括道路地图、交通事故和车流量，道路地图、交通事故和车流量的时间容忍系数分别为σ₁、σ₂和σ₃；其中1>σ₁>σ₂>σ₃>0。

进一步地，步骤S2的具体方法包括以下子步骤：

S2-1、根据公式

t_i＝σ_iT

获取与不同时间容忍系数相对应的时间容忍范围t_i；其中σ_i表示时间容忍系数；T为最大容忍时间；

S2-2、在时间容忍范围t_i内，记录所有经过位置l₀的车辆数量m，判断m是否大于p，若是则进入步骤S2-3；否则进入步骤S2-4；

S2-3、从被记录的车辆中获取p-1辆与目标车辆U组成车辆群，并从包括目标车辆U在内的p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点，完成车联网中的交通数据上传，进入步骤S3；

S2-4、获取该车辆数量m与p的差值p-m，以位置l₀为中心，R＝tv为半径构建区域B，从区域B中随机选取p-m辆未被记录的车辆，并将其与被记录的车辆一起组成车辆群；

S2-5、从车辆群中随机选择一辆以群身份上传该条交通数据至边缘节点，完成车联网中的交通数据上传，进入步骤S3。

进一步地，步骤S3的具体方法包括：

以包含的位置点数量大于等于2倍阈值k为条件，构建一个包含当前位置和请求位置l_r的区域A，并获取区域A中所有的Q个位置点，将用户的请求位置l_r模糊在相对应的位置点POI_lr中。

进一步地，步骤S5的具体方法包括以下子步骤：

S5-1、根据公式

获取其余Q-1个位置点中第j个位置点与位置点POI_lr构造的正态分布函数的密度函数

其中π和e均为常数；r_j为其余Q-1个位置点中第j个位置点与位置点POI_lr之间的距离；σ^j为其余Q-1个位置点中第j个位置点与位置点POI_lr之间角度的归一化值；x为其他位置点与位置点POI_lr的偏移矢量；

S5-2、根据公式

计算其余Q-1个位置点与位置点POI_lr之间的平均距离

S5-3、根据公式

计算其余Q-1个位置点与位置点POI_lr之间的归一化角度的平均值

S5-4、根据公式

获取其余Q-1个位置点中第j个位置点与位置点POI_lr之间的偏移概率

进而得到Q-1个位置点与位置点POI_lr之间的偏移概率；其中P(·)表示概率公式。

本发明的有益效果为：本发明通过设置匿名保护程度来保护车联网上传过程中的隐私安全，并通过选取额外的位置点来隐藏目标位置点，实现车联网下载过程中的隐私安全，本发明可有效防止车联网过程中的位置隐私泄露。

附图说明

图1为本发明的流程示意图；

图2为加强型边缘节点的网络框架示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，该实现基于众包应用的车联网隐私保护方法包括以下步骤：

步骤S1中的交通数据包括道路地图、交通事故和车流量，道路地图、交通事故和车流量的时间容忍系数分别为σ₁、σ₂和σ₃；其中1>σ₁>σ₂>σ₃>0。σ₁、σ₂和σ₃的值可由用户自定义。

针对交通数据中的道路地图、交通事故和车流量，本方法将该三种数据进行分类传输，因此在传输不同类数据时，会存在时间容忍范围不同的情况，步骤S2的具体方法包括以下子步骤：

S2-1、根据公式

t_i＝σ_iT

步骤S3的具体方法包括：以包含的位置点数量大于等于2倍阈值k为条件，构建一个包含当前位置和请求位置l_r的区域A，并获取区域A中所有的Q个位置点，将用户的请求位置l_r模糊在相对应的位置点POI_lr中。

步骤S5的具体方法包括以下子步骤：

S5-1、根据公式

S5-2、根据公式

计算其余Q-1个位置点与位置点POI_lr之间的平均距离

S5-3、根据公式

S5-4、根据公式

本发明在使用时，当目标车辆U处在位置l₀时，想请求关于位置l_r的交通信息。而位置l₀和l_r处在不同的节点覆盖区域内。假设位置l₀处在边缘节点E-node₁的区域范围s₁，而位置l_r处在边缘节点E-node₂的区域范围s₂。首先车辆将位置l_r扩展到一个较大的区域A，当然区域A必须包含位置l_r。车辆将区域为A的发送给节点E-node₁，然后节点E-node₁返回区域A内所有的POIs。车辆计算出POIs个数num.(POI)，如果num.(POI)小于2k，那么修改区域A的范围，通过公式A＝2k/num.(POI)*A，直到区域A内的包含的POIs个数大于2k。设置变量Q＝num.(POI)，得到Q个POI点，{POI_lr，POI₁，POI₂，….，POI_Q-1}，其中POI_lr为位置l_r所属的POI。按照构造正态分布函数集合N(u，σ)的步骤，构造正态分布函数{N(u₁，σ₁)，N(u₂，σ₂)，…，N(u_j，σ_j)，…，N(u_Q-1，σ_Q-1)}，并计算出这Q-1个偏移概率

从这Q-1个偏移概率中，法选择出k-1个POIs，即{POI₁，POI₂，….，POI_k-1}，使其具有最大的偏移概率熵。因此，目标车辆U可以依次向E-node₁和E-node₂请求关于k个位置{POI_lr，POI₁，POI₂，….，POI_k-1}的交通数据。E-node₂和E-node₁依次将k条交通数据{Msg(POI_lr),Msg(POI₁),Msg(POI₂),…,Msg(POI_k-1)}响应给车辆U。由于这k条交通数据所请求的内容一样，只是请求发起的位置不同，因此边缘节点无法准确猜测出哪个请求位置为目标用户的真实需求，也就保护了目标车辆的隐私安全。

在具体实施过程中，为了保障三种交通数据传输的实时性需求。如图2所示，本发明提出了加强型边缘节点E-node。E-node节点是由RSU或者基站升级部署而成。不仅具有存储、转发，还具有一定的计算、学习能力。根据交通数据类型，E-node节点可以将数据分类存储，而且还能根据交通数据所发生的位置再一次划分类别。由于存储和转发是网络节点的基本能力，因此本实施过程不对存储和转发能力做相应的解释，仅对计算和学习能力做解释。

计算能力：E-node有一定的计算能力，能对计算密集型和时间密集型的任务进行处理，不需要上传给云服务器处理。这样大大解决了延时高的问题。

语义分析能力：E-node对数据进行语义分析，首先分析出交通数据所发生的POI点，根据POI点的不同而分别存储数据。将POI点属于E-node节点自己覆盖区域的交通数据存储在一起，将属于其他E-node节点覆盖区域的POI点交通数据存储在一起。如图2所示，针对E-node₁来说(E-node₁的覆盖区域为S₁)，E-node₁将分别存储属于S₁和不属于S₁的POI点交通数据。然后再将交通数据按照数据类别进行分别存储：{Data1＝道路地图，Data 2＝交通事故，Data 3＝车流量}。因此，E-node对交通数据进行了两次语义分析：一是交通数据的POI点分析；而是关于交通数据类型的分析。这有助于快速检索、处理和转发交通数据。

学习能力：E-node对POI的请求频率具有学习能力。对于E-node来说，其存储的交通数据有两种类型的POI点：一种是属于其覆盖区域内(POI∈S)；另一种是不属于其覆盖区域内

对于POI∈S的交通数据，边缘节点只需要分门别类的存储并处理。而针对

的交通数据，边缘节点首先需要学习POI点的请求频率，根据请求频率的大小来决定对交通数据的处理。也就是说，只要车辆向E-node请求过的POI的交通数据且

那么E-node记录该POI点，并计算出近段时间以来该POI点的请求频率。将POI请求频率大的交通分类存储起来。

通过对POI点请求频率的不断学习，可以加快用户数据反馈时间。比如，对于节点E-node₁和POI₁，其中

和POI₁∈S₂。POI₁相关的交通数据请求概率非常大，很多车辆进入区域S₁后会请求关于的POI₁的交通信息情况，而POI₁并不属于区域S₁。如果E-node没有学习能力，那么E-node₁将不知道POI₁请求概率非常大，也不会存储POI₁相关的交通数据。那么每次针对POI₁的请求时，节点E-node₁就会先向E-node₂请求关于POI₁的交通数据，然后再反馈给车辆用户。而本实施过程正好将边缘节点赋予学习能力，那么E-node₁就会根据记录的POI₁请求概率，并发现这段时间POI₁的请求概率很大，因此就会提前将POI₁的交通数据存储起来。一旦有车辆用户请求POI₁的数据，他就会直接反馈给车辆用户，这样就大大减少了车辆用户的反馈时间。

综上所述，本发明通过设置匿名保护程度来保护车联网上传过程中的隐私安全，并通过选取额外的位置点来隐藏目标位置点，实现车联网下载过程中的隐私安全，本发明可有效防止车联网过程中的位置隐私泄露。