CN112364379B - 一种基于差分隐私的保服务质量的位置隐私保护方法 - Google Patents
一种基于差分隐私的保服务质量的位置隐私保护方法 Download PDFInfo
- Publication number
- CN112364379B CN112364379B CN202011292568.7A CN202011292568A CN112364379B CN 112364379 B CN112364379 B CN 112364379B CN 202011292568 A CN202011292568 A CN 202011292568A CN 112364379 B CN112364379 B CN 112364379B
- Authority
- CN
- China
- Prior art keywords
- user
- noise
- value
- privacy
- service quality
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000005315 distribution function Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
一种基于差分隐私的保服务质量的位置隐私保护方法,包括以下步骤:(1)设定用户保服务质量所允许的最大位置偏离距离值dQ;(2)根据用户所需服务质量设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的上界值;(3)设定用户保位置隐私所需的最小位置偏离距离值dP;(4)根据用户所需位置隐私设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的下界值;(5)用户选取(2)和(4)中获取的上界和下界范围内的噪声参数值b,对真实位置信息加入该参数下的拉普拉斯噪声,并发布伪位置信息。本发明同时满足用户对服务质量和位置隐私的要求,使得用户能在不泄露自身位置情况下,保证其所享受的基于位置的服务质量。
Description
技术领域
本发明涉及位置隐私保护技术领域,具体涉及一种基于差分隐私的位置隐私保护的方法,应用于基于位置的服务中关于位置隐私泄露的问题。
背景技术
随着无线技术和带有GPS定位系统的移动设备的普及,出现了很多基于位置的服务(Location Based Services,LBS)的应用。用户通过装载在移动终端上的app便可以随时随地地通过自己的位置信息获取相应的服务。例如,出行时获取的导航服务(高德地图),查找娱乐餐饮场所的生活服务(百度糯米),以及查找附近的人的社交服务(微信)等。然而地理位置信息的发布则涉及到个人隐私的问题,在这个信息爆炸的时代,对于个人信息被泄露的用户来说,轻则会被商家的垃圾广告和垃圾邮件所烦扰,重则会造成个人名誉或财产上的损失。
差分隐私是一种被广泛认可的隐私保护模型。它通过对数据添加干扰噪声的方式保护所发布数据中潜在的用户隐私信息,从而令攻击者即使知道数据发布者所采用的隐私保护方式及加噪模型,仍然无法推测出真实的数据信息。在差分隐私领域,拉普拉斯噪声是最为常见也是最为基本的一种噪声添加方式。对于用户的位置信息,将满足拉普拉斯分布的一个随机噪声值叠加到用户发布的位置数据上,对真实位置点进行保护,从而模糊真实位置信息。
但是,现有的技术在保证用户位置隐私时,无法同时兼顾其基于位置服务的质量,使得用户所能享受到的定位服务大打折扣。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于差分隐私的保服务质量的位置隐私保护方法,同时满足用户对服务质量和位置隐私的要求。针对差分隐私机制中所加拉普拉斯噪声的相关参数,通过确定其最佳取值范围,使得用户能在不泄露自身位置情况下,保证其所享受的基于位置的服务质量。
服务质量设定值:用户将自己的真实位置信息加噪后所发布的伪位置与真实位置的均方根误差值,决定了用户所享受服务的质量。若叠加的噪声值过大,则用户发布的伪定位点不能为用户搜索到正确范围内的周边服务,如餐馆、商场和公园等公共场所。将用户可以接受的最大位置偏离距离作为服务质量的设定值。
隐私保护设定值:攻击者基于用户提供的伪位置所能估计的用户位置信息与用户真实位置的均方根误差值,决定了用户的隐私保护程度。若叠加的噪声值过小,则攻击者对用户的估计定位点接近真实定位点,估计误差过小,会造成用户的隐私泄露,如个人位置信息、常用路线和活动轨迹等。将用户可以接受的最小位置偏离距离作为用户隐私保护的设定值。
本发明的目的是通过以下技术方案实现的:一种基于差分隐私的保服务质量的位置隐私保护方法,包括以下步骤:
(1)设定用户保服务质量所允许的最大位置偏离距离值dQ;
(2)根据用户所需服务质量设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的上界值;
(3)设定用户保位置隐私所需的最小位置偏离距离值dP;
(4)根据用户所需位置隐私设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的下界值;
(5)用户选取(2)和(4)中获取的上界和下界范围内的噪声参数值b,对真实位置信息加入该参数下的拉普拉斯噪声,并发布伪位置信息。
进一步地,所述步骤(2)中,获取满足服务质量要求的拉普拉斯分布参数的方法步骤如下:
(2.1)分别从两个维度对用户真实位置(x0,y0)加入拉普拉斯分布的噪声,其中x0为经度信息,y0为纬度信息,向真实经度位置x0中加入拉普拉斯分布的噪声Δx,得到用户发布的伪经度位置x,即
x=x0+Δx
拉普拉斯分布的概率密度函数公式为:
对其求积分,得到了对应拉普拉斯分布的累积分布函数:
其中x为一维位置信息,表示发布的伪经度位置信息,μ为期望,表示真实的位置信息,μ=x0,表示真实经度位置信息,b是拉普拉斯分布的尺度参数,b>0;
拉普拉斯分布函数满足对称性且类似于正态分布,故可以根据正态分布的“3σ”原则同理求得拉普拉斯分布的概率区间分布,令μ=x0,用户加噪位置x在区间[x0+b*ln(0.02),x0-b*ln(0.02)]内的取值概率为98%,此时,
Δx=x-x0∈[b*ln(0.02),-b*ln(0.02)]
Δxmax=-b*ln(0.02)
(2.2)同理,向真实纬度位置y0中加入拉普拉斯分布的噪声Δy,得到用户发布的伪经度位置y,即
y=y0+Δy
通过拉普拉斯分布的概率密度函数和累积分布函数的公式,令式中μ=y0,加噪位置y在区间[y0+b*ln(0.02),y0-b*ln(0.02)]内的取值概率为98%,得到,
Δy=y-y0∈[b*ln(0.02),-b*ln(0.02)]
Δymax=-b*ln(0.02)
(2.3)将加噪后得到的伪位置(x,y)与真实位置(x0,y0)做欧氏距离运算,得到位置偏离距离,令最大位置偏离不超过服务质量设定值dQ,即
即,令化简得,/>得到噪声参数b的上界值为/>即当b≤bmax时,可以保证所发布的伪位置与真实位置的偏离距离以98%的概率不超过dQ。
所述步骤(4)中,获取与隐私保护相应的拉普拉斯分布参数的方法如下:
(4.1)针对攻击者基于用户提供的伪位置(x,y)所得到的估计位置将估计位置/>与真实位置(x0,y0)做欧氏距离运算,得到位置估计误差值,即位置偏离距离,令最小偏离位置不低于隐私保护设定值,即
拉普拉斯分布方差为2b2,攻击者对用户位置的无偏估计的均方根误差协方差估计位置与真实位置的距离为/>且故
得到噪声参数b的下界值为即当b≥bmin时,可以满足用户位置隐私保护的要求。
本发明提出的一种基于差分隐私的保服务质量的位置隐私保护方法,与现有技术相比,本发明具有如下优势:
1.本发明采用差分隐私作为隐私保护模型,对用户的真实位置信息加入拉普拉斯噪声,能够有效模糊真实位置信息,保护用户隐私信息。
2.本发明能同时满足用户对服务质量和位置隐私的要求。在差分隐私机制中,通过设置合适的拉普拉斯噪声参数的方法,使得用户能在不泄露自身位置情况下,保证其所享受的基于位置的服务质量。
附图说明
图1是本发明提出的一种基于差分隐私的保服务质量的位置隐私保护方法的流程图;
图2是根据服务质量设定值dQ对用户位置信息加噪的结果图;
图3是根据隐私保护设定值dP对用户位置信息加噪的结果图;
图4是b在参数取值范围[bmin,bmax]内对用户位置信息加噪的结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
参照图1~图4,一种基于差分隐私的保服务质量的位置隐私保护方法,包括以下步骤:
(1)设定用户保服务质量所允许的最大位置偏离距离值dQ;
(2)根据用户所需服务质量设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的上界值bmax;
所述步骤(2)中,获取满足服务质量要求的拉普拉斯分布参数的方法步骤如下:
(2.1)分别从两个维度对用户真实位置(x0,y0)加入拉普拉斯分布的噪声,其中x0为经度信息,y0为纬度信息,向真实经度位置x0中加入拉普拉斯分布的噪声Δx,得到用户发布的伪经度位置x,即
x=x0+Δx
拉普拉斯分布的概率密度函数公式为:
对其求积分,得到了对应拉普拉斯分布的累积分布函数:
其中x为一维位置信息,表示发布的经度或者纬度信息,此处表示发布的伪经度位置信息,μ为期望,表示真实的位置信息,此处μ=x0,表示真实经度位置信息,b是拉普拉斯分布的尺度参数,b>0;
拉普拉斯分布函数满足对称性且类似于正态分布,故可以根据正态分布的“3σ”原则同理求得拉普拉斯分布的概率区间分布,令μ=x0,用户加噪位置x在区间[x0+b*ln(0.02),x0-b*ln(0.02)]内的取值概率为98%,此时,
Δx=x-x0∈[b*ln(0.02),-b*ln(0.02)]
Δxmax=-b*ln(0.02)
(2.2)同理,向真实纬度位置y0中加入拉普拉斯分布的噪声Δy,得到用户发布的伪经度位置y,即
y=y0+Δy
通过拉普拉斯分布的概率密度函数和累积分布函数的公式,令式中μ=y0,加噪位置y在区间[y0+b*ln(0.02),y0-b*ln(0.02)]内的取值概率为98%,得到,
Δy=y-y0∈[b*ln(0.02),-b*ln(0.02)]
Δymax=-b*ln(0.02)
(2.3)将加噪后得到的伪位置(x,y)与真实位置(x0,y0)做欧氏距离运算,得到位置偏离距离,令最大位置偏离不超过服务质量设定值dQ,即
即,令化简得,/>得到噪声参数b的上界值为/>即当b≤bmax时,可以保证所发布的伪位置与真实位置的偏离距离以98%的概率不超过dQ。
(3)设定用户保位置隐私所需的最小位置偏离距离值dP;
(4)根据用户所需位置隐私设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的下界值bmin;
所述步骤(4)中,获取与隐私保护相应的拉普拉斯分布参数的方法如下:
(4.1)针对攻击者基于用户提供的伪位置(x,y)所得到的估计位置将估计位置/>与真实位置(x0,y0)做欧氏距离运算,得到位置估计误差值,即位置偏离距离,令最小偏离位置不低于隐私保护设定值,即
拉普拉斯分布方差为2b2,攻击者对用户位置的无偏估计的均方根误差协方差估计位置与真实位置的距离为/>且故
得到噪声参数b的下界值为即当b≥bmin时,可以满足用户位置隐私保护的要求;
(5)用户选取(2)和(4)中获取的上界和下界范围内的噪声参数值,即在区间[b2,b1]内任取一值b3,对真实位置(x0,y0)加入该参数下的拉普拉斯噪声(Δx,Δy),并发布伪位置(x,y)。
实施例:采用Geolife GPS轨迹数据集,该数据集的GPS轨迹由一个时间戳点序列表示,每一个都包含纬度、经度和高度信息。
图2是根据服务质量设定值dQ对用户位置信息加噪的结果图。取区间内概率值为98%,加入相应参数b的上界值下的拉普拉斯分布噪声。如图所示,服务质量设定值dQ为实际距离1500m对应的经纬度时,加噪位置与真实位置间的最大误差距离为830.1m≤1500m,满足用户对服务质量的要求。
图3是根据隐私保护设定值dP对用户位置信息加噪的结果图。构造拉普拉斯分布下与方差值对应的最佳观测噪声协方差矩阵R,计算估计位置,加入相应参数b的下界值下的拉普拉斯分布噪声。如图所示,隐私保护设定值dP为实际距离300m对应的经纬度时,估计位置的最小误差距离分别为352.6m≥300m,满足用户对隐私保护的要求。
图4是在b参数取值范围[bmin,bmax]内对用户位置信息加噪的结果图。服务质量设定值dQ为实际距离1500m对应的经纬度时,得到bmax=0.0032,隐私保护设定值dP为实际距离300m对应的经纬度时,得到bmin=0.0017。在区间[bmin,bmax]内任取一值b=0.0025,对用户位置信息加入参数b下的拉普拉斯分布噪声,得到如图所示结果图,服务质量653.4m≤1500m,隐私保护506..4m≥300m,完全满足用户对的要求。
Claims (1)
1.一种基于差分隐私的保服务质量的位置隐私保护方法,其特征在于,所述方法包括以下步骤;
(1)设定用户保服务质量所允许的最大位置偏离距离值dQ;
(2)根据用户所需服务质量设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的上界值;
(3)设定用户保位置隐私所需的最小位置偏离距离值dP;
(4)根据用户所需位置隐私设定值,确定对用户位置信息进行拉普拉斯加噪的尺度参数b的下界值;
(5)用户选取(2)和(4)中获取的上界和下界范围内的噪声参数值b,对真实位置信息加入该参数下的拉普拉斯噪声,并发布伪位置信息;
所述步骤(2)中,计算方法如下:
(2.1)分别从两个维度对用户真实位置(x0,y0)加入拉普拉斯分布的噪声,其中x0为经度信息,y0为纬度信息,向真实经度位置x0中加入拉普拉斯分布的噪声Δx,得到用户发布的伪经度位置x,即
x=x0+Δx
拉普拉斯分布的概率密度函数公式为:
对其求积分,得到了对应拉普拉斯分布的累积分布函数:
其中x为一维位置信息,表示发布的伪经度位置信息,μ为期望,表示真实的位置信息,μ=x0,表示真实经度位置信息,b是拉普拉斯分布的尺度参数,b>0;
拉普拉斯分布函数满足对称性且类似于正态分布,故根据正态分布的“3σ”原则同理求得拉普拉斯分布的概率区间分布,令μ=x0,用户加噪位置x在区间[x0+b*ln(0.02),x0-b*ln(0.02)]内的取值概率为98%,此时,
Δx=x-x0,Δx∈[b*ln(0.02),-b*ln(0.02)]
Δxmax=-b*ln(0.02)
(2.2)同理,向真实纬度位置y0中加入拉普拉斯分布的噪声Δy,得到用户发布的伪经度位置y,即
y=y0+Δy
通过拉普拉斯分布的概率密度函数和累积分布函数的公式,令式中μ=y0,加噪位置y在区间[y0+b*ln(0.02),y0-b*ln(0.02)]内的取值概率为98%,得到,
Δy=y-y0,Δy∈[b*ln(0.02),-b*ln(0.02)]
Δymax=-b*ln(0.02)
(2.3)将加噪后得到的伪位置(x,y)与真实位置(x0,y0)做欧氏距离运算,得到位置偏离距离,令最大位置偏离不超过服务质量设定值dQ,即
即,令化简得,/>得到噪声参数b的上界值为/>即当b≤bmax时,保证所发布的伪位置与真实位置的偏离距离以98%的概率不超过dQ;
所述步骤(4)中,计算方法如下:
(4.1)针对攻击者基于用户提供的伪位置(x,y)所得到的估计位置将估计位置与真实位置(x0,y0)做欧氏距离运算,得到位置估计误差值,即位置偏离距离,令最小偏离位置不低于隐私保护设定值,即
拉普拉斯分布方差为2b2,攻击者对用户位置的无偏估计的均方根误差协方差估计位置与真实位置的距离为/>且/>故
得到噪声参数b的下界值为即当b≥bmin时,满足用户位置隐私保护的要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011292568.7A CN112364379B (zh) | 2020-11-18 | 2020-11-18 | 一种基于差分隐私的保服务质量的位置隐私保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011292568.7A CN112364379B (zh) | 2020-11-18 | 2020-11-18 | 一种基于差分隐私的保服务质量的位置隐私保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112364379A CN112364379A (zh) | 2021-02-12 |
CN112364379B true CN112364379B (zh) | 2024-03-22 |
Family
ID=74532498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011292568.7A Active CN112364379B (zh) | 2020-11-18 | 2020-11-18 | 一种基于差分隐私的保服务质量的位置隐私保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364379B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113259931A (zh) * | 2021-04-21 | 2021-08-13 | 亿景智联(北京)科技有限公司 | 一种基于差分隐私的地理信息安全传输方法与装置 |
CN113177166B (zh) * | 2021-04-25 | 2022-10-21 | 重庆邮电大学 | 一种基于差分隐私的个性化位置语义发布方法及系统 |
CN113573305B (zh) * | 2021-08-03 | 2023-05-12 | 同济大学 | 一种无线协作定位中的位置隐私保护方法 |
CN114969824B (zh) * | 2022-06-15 | 2023-03-07 | 中国矿业大学 | 一种基于差分扰动的个性化三维空间位置隐私保护方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360551A (zh) * | 2017-07-12 | 2017-11-17 | 安徽大学 | 车载自组织网络中基于差分隐私的位置隐私保护方法 |
CN108520182A (zh) * | 2018-04-09 | 2018-09-11 | 哈尔滨工业大学深圳研究生院 | 一种基于差分隐私和关联规则的需求隐私保护方法 |
CN108595976A (zh) * | 2018-03-27 | 2018-09-28 | 西安电子科技大学 | 基于差分隐私的安卓终端传感器信息保护方法 |
CN109241764A (zh) * | 2018-07-10 | 2019-01-18 | 哈尔滨工业大学(深圳) | 一种用户需求轨迹隐私保护方法 |
CN110727957A (zh) * | 2019-10-15 | 2020-01-24 | 电子科技大学 | 一种基于采样的差分隐私保护方法和系统 |
CN110727959A (zh) * | 2019-10-15 | 2020-01-24 | 南京航空航天大学 | 一种基于聚类的差分隐私轨迹数据保护方法 |
-
2020
- 2020-11-18 CN CN202011292568.7A patent/CN112364379B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360551A (zh) * | 2017-07-12 | 2017-11-17 | 安徽大学 | 车载自组织网络中基于差分隐私的位置隐私保护方法 |
CN108595976A (zh) * | 2018-03-27 | 2018-09-28 | 西安电子科技大学 | 基于差分隐私的安卓终端传感器信息保护方法 |
CN108520182A (zh) * | 2018-04-09 | 2018-09-11 | 哈尔滨工业大学深圳研究生院 | 一种基于差分隐私和关联规则的需求隐私保护方法 |
CN109241764A (zh) * | 2018-07-10 | 2019-01-18 | 哈尔滨工业大学(深圳) | 一种用户需求轨迹隐私保护方法 |
CN110727957A (zh) * | 2019-10-15 | 2020-01-24 | 电子科技大学 | 一种基于采样的差分隐私保护方法和系统 |
CN110727959A (zh) * | 2019-10-15 | 2020-01-24 | 南京航空航天大学 | 一种基于聚类的差分隐私轨迹数据保护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112364379A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364379B (zh) | 一种基于差分隐私的保服务质量的位置隐私保护方法 | |
US10009722B2 (en) | Wireless communication device, wireless communication method, information processing device, information processing method, and program | |
KR101011959B1 (ko) | 무선 네트워크에서의 단말기에 대한 영역 기반 위치 결정 | |
US10057711B2 (en) | Mobile surveillance | |
US9462462B2 (en) | Providing location-based information to a user of a mobile communication device | |
US10776842B2 (en) | Location-based obfuscation of user information | |
US9360990B1 (en) | Location-based applications | |
EP2801071B1 (en) | System and method for identifying nearby, compatible users | |
US20100024045A1 (en) | Methods and apparatuses for privacy in location-aware systems | |
KR20060131894A (ko) | 매칭 시스템 및 방법 | |
WO2002065736A2 (en) | System and method for providing location information concerning wireless handsets via the internet | |
CN110636065A (zh) | 一种基于位置服务的位置点隐私保护方法 | |
JP2016115095A (ja) | 位置情報に基づく個人識別情報処理システム及び方法 | |
US20120041966A1 (en) | Directional information search from a mobile device | |
CN113573305B (zh) | 一种无线协作定位中的位置隐私保护方法 | |
CN114969824A (zh) | 一种基于差分扰动的个性化三维空间位置隐私保护方法 | |
US20160364408A1 (en) | Online sites with associated fictitious geographical locations | |
Dua et al. | Location Privacy-Preserving Mechanism-A Data-Driven Approach | |
Hamani et al. | Mobile location system using netmonitor and mappoint server | |
McGuire et al. | Estimating position of mobile terminals from delay measurements with survey data | |
Narayanan et al. | Source geolocation in urban environments using multipath fingerprinting | |
US20220129900A1 (en) | Transaction authentication, authorization, and/or auditing utilizing subscriber-specific behaviors | |
Chen et al. | Cooperative localization for wireless and mobile social networking service (SNS) | |
CN116953740A (zh) | 一种定位方法、装置、设备及存储介质 | |
KR20230152593A (ko) | 정확한 상황 인식 위치 기반 서비스를 가능하게 하는 시스템 및 방법 |
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 |