CN111465010B - 一种在合作驾驶中保护车辆位置隐私的方法 - Google Patents

Abstract

本发明公开了一种在合作驾驶中保护车辆位置隐私的方法，其考虑在城市峡谷中智能车和普通车混合存在的场景中，利用车辆间合作来提高车辆的位置精确度，但是对于参与合作的车辆来说存在严重的车辆位置隐私泄露问题，本发明构思了一种简单且低时延的方法来保证车辆在不泄露自身位置隐私的前提下，保证了车辆位置的快速更新修正，提高了车辆位置精确度。

Description

一种在合作驾驶中保护车辆位置隐私的方法

技术领域

本发明涉及一种数据隐私保护方法，具体是一种在合作驾驶中保护车辆位置隐私的方法， 属于数据安全技术领域。

背景技术

车辆定位技术是智能交通系统重要的一环，现实中存在着许多导航系统比如GPS(全球 定位系统)、GNS(伽利略导航系统)、北斗系统等，但是利用这些导航系统来获取车辆位 置的方法存在着许多缺陷，特别是在城市峡谷的场景中，传统的定位系统的精度误差最大能 达到30m左右，这显然不利于车辆的能源节约和导航。随着科学技术的发展，装有丰富传感 器的车辆将会大量存在于交通系统中，利用普通车辆和智能车辆混合存在的车辆道路场景， 一些方法可以通过智能车辆车和普通车辆之间的合作来提高车辆自身的位置精度。利用这些 车辆之间的合作来提高车辆精度的方法会泄露参与车辆的位置隐私。

差分隐私、K-匿名、同态加密等隐私保护技术常常被用于数据的隐私加密，这些隐私方 法在一定程度上能保护社会信息不被泄露，但是都适用于特定的场景特定的模型，而对于混 合车辆存在的道路场景，上述所提及的技术并不是非常有效果。为了满足时效性和隐私性两 方面的需求，因此本发明提出了一种车辆位置信息隐私保护的方法。

发明内容

发明目的：针对在智能车和普通车辆混合存在的道路场景中，利用智能车和普通车之间 的合作完成车辆间的定位却未能同时保护智能车和普通车的位置信息隐私的问题。本发明提 供了一种在合作驾驶中保护车辆位置隐私的方法，能够在不影响合作车辆提升其位置精确度 的前提下，达到车辆位置信息匿名化的效果。

技术方案：一种在合作驾驶中保护车辆位置隐私的方法，适用于城市峡谷中普通车辆和 智能车辆混合存在的场景，智能车和普通车同时存在于城市道路的一个区域内；包括以下的 步骤：

步骤1，智能车周期性的利用随身的传感器(如摄像头)观测到区域内普通车以及其它 智能车的指纹信息，利用观测到的其它车辆的指纹信息，智能车能唯一的确定车辆的身份信 息；

步骤2，智能车通过传感器，收集到区域内其它车辆与其车辆之间的相对位置信息，包 括智能车与普通车以及其它智能与智能车之间的距离和方位；

步骤3，智能车在收集到其它车辆与其车辆之间的相对位置信息之后，又利用GPS定位 传感器确定自身的粗粒度GPS信息，基于自身的粗粒度GPS信息生成自身车辆的混杂位置 信息(混淆后的位置信息)以及其它车辆的混杂位置信息；普通车利用车辆驾驶人随身携带 的智能客户端确定当前时刻自身的粗粒度GPS信息并再生成掩码信息后混淆自身的粗粒度 GPS信息生成自身车辆的混杂位置信息；

步骤4，智能车除对自身的位置进行车辆位置混淆算法外，还会对观测到的其它车辆的 位置运行车辆位置混淆算法，智能车将混杂位置信息打包后附上自身的指纹信息和自身的位 置误差信息经由基站发送给服务器，智能车保存混杂位置信息于本地，其中混杂位置信息包 括自身混杂位置信息和智能车观测的其他车辆的混杂位置信息；普通车将自身的混杂位置信 息和误差信息发通过基站送给服务器，普通车辆智能设备(智能客户端)保存混杂位置信息 于本地；其中智能车的位置误差的设定比普通车的位置误差小，令智能车的位置误差为普通 车的位置误差的二分之一。

步骤5，服务器在收集到某时刻智能车发送过来的混杂位置信息和位置误差信息以及普 通车发送过来的混杂位置信息和位置误差信息之后，并运行信息匹配算法，针对每一个车辆 运行带隐私保护的车辆位置更新算法，得到了所有车辆的已经更新后的混杂位置信息。

步骤6，服务器根据车辆的指纹信息发送每个更新后的混杂位置信息给各车辆，普通车 和智能车运行位置解密算法来恢复更新后的位置信息，最后各个车辆获得了更精确的位置信 息。

所述区域指半径为指定值的圆内，区域内需要两台及两台以上的智能车参与。

参与方法中的车辆已经在服务器上注册了车辆的指纹信息；所述智能车本身具有运算能 力；所述普通车利用驾驶人随身携带的智能客户端来进行运算，方法的实施中还包含基站和 服务器，车辆和服务器之间通过基站传输数据。

所述智能车指的是装有传感器的车辆，并利用车联网技术与服务器建立连接；传感器包 括摄像头、雷达和GPS；智能车通过雷达以及摄像头收集到其它车辆与其车辆之间的相对位 置信息，包括智能车与普通车以及其它智能与智能车之间的距离和方位。

所述普通车指的是没有安装雷达、摄像头的车辆。普通车辆驾驶人利用智能客户端，通 过无线网络与服务器建立连接，智能客户端包括平板和手机。

所述车辆指纹信息指车辆的颜色、品牌、车牌号信息。

所述步骤3中，智能车和车辆驾驶人随身携带的智能客户端使用经典的哈希函数来生成 混杂位置信息，车辆将指纹信息、时间戳、处理后的位置信息作为哈希函数的输入；所述处 理后的位置信息是指将车辆的粗粒度GPS信息转换成UTM位置信息，将转换后的位置信息 在x轴和y轴上的值相加后对500取余得到的最终位置信息，设为p；此外，智能车在处理 观测到的其它车辆的位置信息时需要生成三个位置信息，这个三个位置信息分别为(p-1,p,p+1)，智能车并针对这三个位置信息生成不同的混淆值(混杂位置信息)。

所述步骤7中，车辆收到更新后的位置信息之后减去保存在本地的混淆值得到更新后的 准确位置。

步骤5中，服务器对收到的车辆的混杂位置信息，使用匹配算法，来匹配正确的车辆位 置；服务器运行车辆位置的匹配算法，对于车辆根据自身粗粒度GPS信息生成的混杂位置信 息和其它智能车观测到这个车辆而生成的多个混淆位置信息，利用大数运算计算两者的距离， 如果两个位置数据的距离小于两辆车辆报告的距离误差的和则说明这两个位置数据匹配。针 对某个车辆运行的数据匹配算法得到的所有匹配数据作为更新算法的输入。

附图说明

图1是本发明方法的流程图；

图2是哈希函数SHA256产生掩码的原理图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用 于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修 改均落于本申请所附权利要求所限定的范围。

本发明的城市道路场景是模拟在OMNETPP和SUMO的仿真场景，在此场景中参与方有 智能车、普通车、基站、服务器，智能车拥有一定的可计算能力并携带有传感器包括雷达、 摄像机、GPS定位装置等，普通车中用于定位的装置设置在驾驶人的智能设备上，智能设备 (智能客户端)包括平板、智能手机等。基站使用车联网技术进行数据传递，服务器用来处 理智能车和普通车发送过来的数据，在没有对车辆位置进行加密的情况下，服务器将会轻易 知晓智能车和普通车的实时位置，这是严重的隐私泄露问题。在实施了本发明所使用的技术 方案之后，各车辆的位置信息将会被有条件的隐私保护起来，同时不影响更精确位置更新算 法的正常运行。

首先在城市道路中设置两台智能车、两台普通车辆以及基站服务器，其中智能车被分别 命名为智能车1和智能车2，两台普通车分别命名为普通车1和普通车2，四辆车运行在仿真 场景中的城市道路上，车辆聚集在一个区域半径为100m的圆内，域内所有车辆指纹信息均 需在服务器中注册。

普通车本身并没有传感设备，智能车配有传感器，利用这些传感器，智能车能够收集到 车辆的品牌信息、车牌号以及颜色从而唯一标识周边车辆的身份信息并且探测周围车辆的位 置。基站用于接受智能车和普通车所发送的信息，并将信息传递给服务器，服务器中会预先 注册有每个车辆的指纹信息，根据车辆的指纹信息以及智能车和普通车发送过来的信息，服 务器会进行信息匹配并执行位置优化算法，并将更新后的信息返还给各个车辆。具体包括如 下步骤：

步骤1，两辆智能车(命名为智能车i和智能车j)和两辆普通车(命名为普通车m和普 通车n)同时存在于同一条道路上，智能车会周期性的侦察周围的环境并向服务器报告相关 情况，Car_i代表智能车i的指纹信息,，这个指纹信息包含了车辆的颜色、品牌和车牌号，根 据这些信息可以唯一确定一台车辆，智能车i利用随身携带的GPS定位装置获得自身的位置 信息(X_i，Y_i)以及其它车辆的指纹和相对位置，例如智能车i观察到普通车m的指纹为Car_i ^m， 观察到普通车m的相对位置为

其中

代表车辆m到车辆i的距离的长度，

代表车辆i在UTM坐标系按照顺时针方向观测到车辆m的角度。

步骤2，智能车在收集周边车辆所有如步骤1所述的指纹信息和相对位置信息之后会根 据自身的位置信息计算其它车辆的位置信息，具体计算过程如下所示：

其中

Y_i ^m是通过车辆i的位置结合观测到的车辆m的距离和方位计算得到的车辆m 的位置。

步骤3，智能车在基于自身位置的前提下计算好其它车辆的位置后，智能车需要利用每 辆车辆自身的指纹信息计算掩码来混淆对应车辆的位置，生成车辆的混杂位置信息，为了使 服务器能够顺利的实现车辆间的位置更新算法，同一时刻下，智能车针对每辆车计算出来的 掩码需要和普通车计算出来的掩码一致。采用如下的掩码计算步骤：

进行掩码计算的前提，即需要域内的所有的车辆在同一时刻产生掩码。

采用哈希函数SHA256来产生掩码，如图2所示，将指纹信息、时间戳、处理后的位置信息作为哈希函数的输入；其中t代表当前时刻的时间戳，K代表由SHA256计算得到的掩 码值，g代表车辆在当前区域内的位置信息，为了使得同一个区域内的所有智能车在同一时刻计算出的观测到的车辆的掩码与被观测到车辆自身计算的掩码一致，令智能车辆只监控以 它为圆心的100m半径范围内的车辆，设置一个大整数为500，将每台车辆的位置在笛卡尔坐 标上的x轴和y轴上的坐标相加之后除以500取除数。这样处理每个车辆的g：

(由智能车i观测到普通车m后的数据计算出来的g)

g＝(X_m+Y_m)/500(普通车m根据自身真实位置数据计算出来的g)

为了防止出现根据智能车观测到的车辆位置计算出来的g和被观测车辆自身计算出来的g不一致，所以由智能车观测到的普通车辆的位置生成的g衍生出三个值参与计算掩码，具 体如下进行下述所示的操作：

求得掩码并对K进行分割，即令K＝K₁||K₂，其中|len(K₁)-len(K₂)|≤1且 len(K₁)≥len(K₂)，len(K₁)代表字符串K₁的长度，然后对每一个车辆的位置进行扰动，具体 扰动规则如下所示：

X′_i＝X_i+K₁

Y′_i＝Y_i+K₂

在一定周期内的某个时刻，每一个车辆对于自身都要利用上述算法步骤计算扰动值，对 于智能车辆除需要在计算自身扰动值，还需要计算它观测到的其它车辆的车辆指纹相对应的 扰动值。计算完扰动值之后，车辆需要保存针对自身指纹计算完成的扰动值在本地为后续解 码做准备。

步骤4，各个车辆将自身的计算结果以及自身位置相应的估算误差值发送给基站，基站 再传输信息给服务器。

步骤5，服务器在收集一个域内所有车辆的位置信息之后，需要先执行数据匹配算法来 进行车辆间数据匹配，以车辆m为参考，需要收集车辆m自身计算的加掩码位置信息、位置 误差数据以及两台智能车观察到车辆m的加掩码位置信息以及智能车自身的位置误差数据， 并结合后续的位置更新算法计算得到车辆m的更新后的加掩码位置数据。数据匹配算法如下 所示：

对于车辆m来说，由其自身计算的掩码值扰动由携带智能设备收集到的GPS数据之后的 扰动数据为(X'_m,Y′_m)，经由智能车i和智能车j观察到的车辆扰动值集合分别为

假设域内车辆i的GPS误差为e_i车辆m的GPS误差为e_m，接下来计算车 辆m自身扰动数据和智能车观察到的车辆扰动数据的差值，注意这个差值是指

以及

这三 个差值中有且只有一个差值小于(e_m+e_i)²，计算结果小于(e_m+e_i)²的数据将会被服务器当作 是这个智能车观察到车辆m的正确位置，当收集到所有智能车观察到车辆m的正确位置后， 接下来运行车辆的位置更新算法如下所示：

对于车辆的位置更新算法，这个算法的核心思想即利用其它车辆的粗粒度的位置和位置 误差来修正自身的车辆位置。在一般的情况下，车辆只报导自身由GPS获得的粗粒度的位置 设为C_i,i，并不会报道其它车辆的位置，那么这个车辆报道的位置与车辆真实的位置误差为 E_i＝||K_i,C_i,i||，在本发明方法中，将会有许多其它车辆观测到这个车辆的位置，因此可以产 生如下的目标函数：

这里V_i代表其它所有能观察到的车辆i的车辆集合，C_i,j则代表所有V_i集合中的车辆观测 到的车辆i的位置信息，通过继承智能车更小的误差范围，这个被观测车辆的位置误差将会 缩小到一个可接受的范围内。我们同时还有如下的限制，即被观测车辆比原位置误差更小的 位置K_i必然存在于以所有被观测到的位置C_i,j为圆心e_i为半径的圆的交集内，因此有如下所 示的限制条件：

利用这个限制条件再使用线性规划，就可以有效的改善被观察车辆的位置误差。

步骤6，服务器在计算完成各车辆的位置信息之后，根据车辆的指纹信息将优化后的扰 动位置信息K_i＝(X″_m'，Y″_m)发送回给各车辆，接下来各车辆将会完成解密操作，还原已经 扰动后的位置信息。所述优化后的扰动位置信息指的是更新算法的输出，即更精确的位置。

步骤7，以车辆m为例，接受到位置信息之后，与之前生成的扰动数据进行一系列操作 提取真实位置信息：

其中，

代表车辆m被还原后的地理位置信息，(X″_m，Y″_m)代表经过服务器 计算后生成的精确扰动位置信息。

本发明首次考虑了车辆间合作驾驶中的涉及到的车辆位置隐私保护的问题，在保证车辆 位置更新算法有效的情况下，也考虑了数据传递的时延性，采用了哈希算法来作为干扰数据 保护车辆间的位置隐私。使得车辆的位置安全问题得到了有效的解决。

Claims (7)

1.一种在合作驾驶中保护车辆位置隐私的方法，其特征在于，适用于城市峡谷中普通车辆和智能车辆混合存在的场景，智能车和普通车同时存在于城市道路的一个区域内，包括以下的步骤：

步骤1，智能车周期性的利用随身的传感器观测到区域内其他车辆的指纹信息，利用观测到的其它车辆的指纹信息，智能车能唯一的确定车辆的身份信息；

步骤2，智能车通过传感器，收集到区域内其它车辆与其车辆之间的相对位置信息；

步骤3，智能车在收集到其它车辆与其车辆之间的相对位置信息之后，采集自身的粗粒度GPS信息，基于自身的粗粒度GPS信息生成自身车辆的混杂位置信息以及其它车辆的混杂位置信息；普通车利用车辆驾驶人随身携带的智能客户端确定当前时刻自身的粗粒度GPS信息并基于自身的粗粒度GPS信息生成自身车辆的混杂位置信息；

步骤4，智能车将混杂位置信息附上自身的指纹信息和位置误差信息发送给服务器，其中混杂位置信息包括自身混杂位置信息和智能车观测的其他车辆的混杂位置信息；普通车将自身的混杂位置信息和误差信息发送给服务器；

步骤5，服务器实时收集域内所有车辆的混杂位置信息之后，运行带隐私保护的车辆位置更新算法，得到了所有车辆的已经更新后的混杂位置信息；

步骤6，服务器根据车辆的指纹信息将每辆车的更新后的混杂位置信息发送给各车辆，各车辆运行位置解密算法来恢复更新后的位置信息，最后各个车辆获得了更精确的位置信息；

解密算法指的就是地理位置还原算法，对于车辆m，提取真实位置信息为：

其中，

代表车辆m被还原后的地理位置信息，

代表经过服务器计算后生成的精确扰动位置信息；K代表由SHA256计算得到的掩码值，对K进行分割，K＝K₁||K₂，其中|len(K₁)-len(K₂)|≤1且len(K₁)≥len(K₂)，len(K₁)代表字符串K₁的长度；

所述步骤3中，智能车和车辆驾驶人随身携带的智能客户端使用经典的哈希函数来生成混杂位置信息，车辆将指纹信息、时间戳、处理后的位置信息作为哈希函数的输入；所述处理后的位置信息是指将车辆的粗粒度GPS信息转换成UTM位置信息，将转换后的位置信息在x轴和y轴上的值相加后对500取余得到的最终位置信息，设为p；此外，智能车在处理观测到的其它车辆的位置信息时需要生成三个位置信息，这个三个位置信息分别为(p-1,p,p+1)，智能车并针对这三个位置信息生成不同的混淆值；

所述步骤5中，服务器对收到的车辆的混杂位置信息，使用匹配算法，来匹配正确的车辆位置；服务器运行车辆位置的匹配算法，对于车辆根据自身粗粒度GPS信息生成的混杂位置信息和其它车辆观测到的混淆位置信息，利用大数运算计算两者的距离，如果两个位置数据的距离小于两辆车辆报告的距离误差的和则说明这两个位置数据匹配。

2.根据权利要求1所述的在合作驾驶中保护车辆位置隐私的方法，其特征在于，所述区域指半径为指定值的圆内，区域内需要两台及两台以上的智能车参与。

3.根据权利要求1所述的在合作驾驶中保护车辆位置隐私的方法，其特征在于，参与方法中的车辆已经在服务器上注册了车辆的指纹信息；所述智能车本身具有运算能力；所述普通车利用驾驶人随身携带的智能客户端来进行运算，方法的实施中还包含基站和服务器，车辆和服务器之间通过基站传输数据。

4.根据权利要求1所述的在合作驾驶中保护车辆位置隐私的方法，其特征在于，所述智能车指的是装有传感器的车辆，并利用车联网技术与服务器建立连接；传感器包括摄像头、雷达和GPS；智能车通过雷达以及摄像头收集到其它车辆与其车辆之间的相对位置信息，包括智能车与普通车以及其它智能与智能车之间的距离和方位。

5.根据权利要求1所述的在合作驾驶中保护车辆位置隐私的方法，其特征在于，所述普通车指的是没有安装雷达和摄像头的车辆；普通车辆驾驶人利用智能客户端，通过无线网络与服务器建立连接，智能客户端包括平板和手机。

6.根据权利要求1所述的在合作驾驶中保护车辆位置隐私的方法，其特征在于，所述车辆指纹信息指车辆的颜色、品牌、车牌号信息。

7.根据权利要求1所述的在合作驾驶中保护车辆位置隐私的方法，其特征在于，所述步骤6中，车辆收到更新后的位置信息之后减去保存在本地的混淆值得到更新后的准确位置。

Images