CN113423058A - 一种基于位置服务的隐私保护方法 - Google Patents

一种基于位置服务的隐私保护方法 Download PDF

Info

Publication number
CN113423058A
CN113423058A CN202110640255.4A CN202110640255A CN113423058A CN 113423058 A CN113423058 A CN 113423058A CN 202110640255 A CN202110640255 A CN 202110640255A CN 113423058 A CN113423058 A CN 113423058A
Authority
CN
China
Prior art keywords
user
location
extraction
lbs server
privacy protection
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.)
Pending
Application number
CN202110640255.4A
Other languages
English (en)
Inventor
李雪
李锐
张晖
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.)
Shandong Inspur Scientific Research Institute Co Ltd
Original Assignee
Shandong Inspur Scientific Research Institute Co Ltd
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 Shandong Inspur Scientific Research Institute Co Ltd filed Critical Shandong Inspur Scientific Research Institute Co Ltd
Priority to CN202110640255.4A priority Critical patent/CN113423058A/zh
Publication of CN113423058A publication Critical patent/CN113423058A/zh
Pending legal-status Critical Current

Links

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
    • H04W4/025—Services making use of location information using location based information parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

一种基于位置服务的隐私保护方法，包括在LBS服务器上部署位置提取模块、位置检测模块和位置预测模块，分别完成用户位置轨迹提取、检测和预测。用户将结果与阈值进行比对，将结果低于阈值的错误数据上传至云端，并在云端进行更新训练，将训练参数发送至边缘服务器进行更新。通过结合决策树和KNN来识别用户的位置，利用隐马尔可夫模型估计用户的GPS序列点，遵循云边协同服务策略同时确保用户位置的机密性准确性以及计算的低延迟。

Description

一种基于位置服务的隐私保护方法
技术领域
本发明涉及位置服务技术领域，具体涉及一种基于位置服务的隐私保护方法。
背景技术
基于位置服务面临的挑战包括数据的获取、存储、管理、搜索、共享、传输、可视化、查询、更新与信息隐私，目前关于用户位置信息隐私保护主要分成两大方面：一是位置隐私的保护，主要是区域覆盖和位置欺骗，例如匿名和随机化；二是数据隐私的保护，例如模糊法和隐蔽化。一个隐私保护系统包括各种参与者角色、匿名化操作与数据状态，它们之间的关系如附图1所示，在隐私保护的研究中，有生成者、管理者、使用者、攻击者四个角色。
位置服务使用者通过手机实时地向LBS服务器发送具体的服务请求，LBS服务器给出对应的请求结果。匿名中心服务器其主要的作用是模糊化处理位置服务使用者的地理位置数据，另外将服务请求的结果利用其已知的服务请求者的准确信息，进行去伪去除噪声处理，然后返回给服务请求者。LBS中间服务器充当服务器和用户之间的媒介，位置提取、位置识别和位置预测三步分别在中间服务器上执行。首先，在LBS隐私保护技术层面，自差分隐私保护框架提出以来，决策树分类，逻辑回归，支持向量机、聚类等成果相继涌现，但是，以K-Means为例，并不适合于现实生活场景，因为它需要相应的k个用户的数量的先验信息。其次，在位置识别和预测方面，给定某用户的轨迹集合{tr1,tr2,tr3,……,trn},每条轨迹由GPS序列点构成，记为tri＝{r1,r2,……,rm},我们的目标是利用隐马尔可夫链预测轨迹在接下来若干步的位置，学习预测模型，即给定tri＝{r1,r2,……,rm},预测目标是接下来k步t{r1+k,r2+k,……,rm+k}。最后，目前多采用GPS信号作为输入对LBS用户的实时位置进行分类，但在气候恶劣或城市地区，由于GPS信号质量较差，信号接收具有很大的不稳定性；另外，在室内GPS信号被遮挡无法定位或定位精度有极大偏差，因此，在室内，Wi-Fi环境是确定用户室内位置的最佳选择；而在室外我们继续采用GPS定位追踪。
发明内容
本发明为了克服以上技术的不足，提供了一种遵循云边协同服务策略同时确保用户位置的机密性准确性以及计算的低延迟的基于位置服务的隐私保护方法。本发明克服其技术问题所采用的技术方案是：
一种基于位置服务的隐私保护方法，包括如下步骤：
a)在LBS服务器上部署位置提取模块、位置检测模块和位置预测模块，分别完成用户位置轨迹提取、检测和预测；
b)LBS服务器将信息形式化为集合Q，Q＝{(x,y),t,c}，其中(x,y)为用户所在位置坐标，t为查询时间，c为查询内容，与集合Q对应的用户属性集合为A，A＝{A1,A2,......,An}，其中Ai为用户属性中第i个属性，i∈{1,......,n}，LBS服务器生成用户属性集合A对应的查询结果M,并生成公开参数Params；
c)用户获得LBS服务器的公开参数Params，用户准备自身属性集合G后想LBS服务器提交查询信息T(G),n；
d)LBS服务器检查属性集合G是否属于属性集合A，LBS服务器计算查询信息T(G),n中的c,t；
e)用户解密c,t，获得集合M，抽取所需结果；
f)用户将结果与阈值进行比对，将结果低于阈值的错误数据上传至云端，并在云端进行更新训练，将训练参数发送至边缘服务器进行更新。
进一步的，步骤a)中位置提取模块通过Gaussian-Means聚类算法完成用户位置轨迹提取。
进一步的，步骤a)中当室外GPS信号准确时，位置检测模块通过KNN算法计算用户位置，完成位置提取，当室外GPS信号不准确时，位置检测模块通过决策树得到用户位置，完成位置提取。
进一步的，步骤a)中位置预测模块使用隐马尔可夫模型计算得到用户位置的预测。
本发明的有益效果是：通过结合决策树和KNN来识别用户的位置，利用隐马尔可夫模型估计用户的GPS序列点，遵循云边协同服务策略同时确保用户位置的机密性准确性以及计算的低延迟。
附图说明
图1为本发明的隐私保护系统中的数据参与与角色及其操作示意图
图2为本发明的整体架构图；
图3为G-Means聚类算法结构图。
具体实施方式
下面结合附图1、附图2、附图3对本发明做进一步说明。
如附图1所示，一种基于位置服务的隐私保护方法，包括如下步骤：
a)在LBS服务器上部署位置提取模块、位置检测模块和位置预测模块，分别完成用户位置轨迹提取、检测和预测；
b)LBS服务器将信息形式化为集合Q，Q＝{(x,y),t,c}，其中(x,y)为用户所在位置坐标，t为查询时间，c为查询内容，与集合Q对应的用户属性集合为A，A＝{A1,A2,......,An}，其中Ai为用户属性中第i个属性，i∈{1,...,n}，LBS服务器生成用户属性集合A对应的查询结果M,并生成公开参数Params；
c)用户获得LBS服务器的公开参数Params，用户准备自身属性集合G后想LBS服务器提交查询信息T(G),n；
d)LBS服务器检查属性集合G是否属于属性集合A，LBS服务器计算查询信息T(G),n中的c,t；
e)用户解密c,t，获得集合M，抽取所需结果；
f)用户将结果与阈值进行比对，将结果低于阈值的错误数据上传至云端，并在云端进行更新训练，将训练参数发送至边缘服务器进行更新。
边缘计算是指数据处理过程更靠近数据源头而不是外部数据中心或者云并且能够进行实时数据处理和分析的一种成熟的人工智能解决方案，其优势在于减少企业本来需要在云和本地数据中心网络进行的数据管理开支，减少网络流量降低因物联网设备数量增长带来的数据瓶颈，降低延迟，使应用程序更高更快运行，即使调整模型持续学习。云端智能计算其优势在于高存储、高运算，适合部署较大的深度学习模型，可以较好的保证运算实时性和高精度。在整套解决方案中，重点需要快速对室内室外移动用户GPS或者Wi-Fi定位轨迹进行分析处理，并给出响应，属于边缘端的智能计算，其次由于一次训练的模型通常并不能满足所有的需要，因此在该装置中还增加了模型再训练功能，同样部署在云端，对一段时间内识别错误的数据进行上传并训练，优化模型功能。训练更新的频率及大小可以人为设定，并完成模型的实时更新。
通过结合决策树和KNN来识别用户的位置，利用隐马尔可夫模型估计用户的GPS序列点，遵循云边协同服务策略同时确保用户位置的机密性准确性以及计算的低延迟。
优选的，步骤a)中位置提取模块通过Gaussian-Means聚类算法完成用户位置轨迹提取。Gaussian-Means聚类算法本质上基于高斯混合模型，拟合出任意类型的分布并进行噪声平滑处理，用于解决同一集合下的数据包含多个不同分布的情况，具体如附图3所示。
优选的，步骤a)中当室外GPS信号准确时，位置检测模块通过KNN算法计算用户位置，完成位置提取，当室外GPS信号不准确时，位置检测模块通过决策树得到用户位置，完成位置提取。
优选的，步骤a)中位置预测模块使用隐马尔可夫模型计算得到用户位置的预测。最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于位置服务的隐私保护方法，其特征在于，包括如下步骤：
a)在LBS服务器上部署位置提取模块、位置检测模块和位置预测模块，分别完成用户位置轨迹提取、检测和预测；
b)LBS服务器将信息形式化为集合Q，Q＝{(x,y),t,c}，其中(x,y)为用户所在位置坐标，t为查询时间，c为查询内容，与集合Q对应的用户属性集合为A，A＝{A1,A2,......,An}，其中Ai为用户属性中第i个属性，i∈{1,...,n}，LBS服务器生成用户属性集合A对应的查询结果M,并生成公开参数Params；
c)用户获得LBS服务器的公开参数Params，用户准备自身属性集合G后想LBS服务器提交查询信息T(G),n；
d)LBS服务器检查属性集合G是否属于属性集合A，LBS服务器计算查询信息T(G),n中的c,t；
e)用户解密c,t，获得集合M，抽取所需结果；
f)用户将结果与阈值进行比对，将结果低于阈值的错误数据上传至云端，并在云端进行更新训练，将训练参数发送至边缘服务器进行更新。
2.根据权利要求1所述的基于位置服务的隐私保护方法，其特征在于：步骤a)中位置提取模块通过Gaussian-Means聚类算法完成用户位置轨迹提取。
3.根据权利要求1所述的基于位置服务的隐私保护方法，其特征在于：步骤a)中当室外GPS信号准确时，位置检测模块通过KNN算法计算用户位置，完成位置提取，当室外GPS信号不准确时，位置检测模块通过决策树得到用户位置，完成位置提取。
4.根据权利要求1所述的基于位置服务的隐私保护方法，其特征在于：步骤a)中位置预测模块使用隐马尔可夫模型计算得到用户位置的预测。
CN202110640255.4A 2021-06-08 2021-06-08 一种基于位置服务的隐私保护方法 Pending CN113423058A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110640255.4A CN113423058A (zh) 2021-06-08 2021-06-08 一种基于位置服务的隐私保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110640255.4A CN113423058A (zh) 2021-06-08 2021-06-08 一种基于位置服务的隐私保护方法

Publications (1)

Publication Number Publication Date
CN113423058A true CN113423058A (zh) 2021-09-21

Family

ID=77788035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110640255.4A Pending CN113423058A (zh) 2021-06-08 2021-06-08 一种基于位置服务的隐私保护方法

Country Status (1)

Country Link
CN (1) CN113423058A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025310A (zh) * 2021-11-01 2022-02-08 湖南大学 基于边缘计算环境的位置服务隐私保护方法、装置及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107528835A (zh) * 2017-08-10 2017-12-29 北方工业大学 一种基于安全的智能合约k‑匿名激励机制的用户隐私保护方法
CN109089314A (zh) * 2018-09-30 2018-12-25 哈尔滨工业大学（深圳） 一种基于推荐算法的wifi序列辅助GPS的室内定位方法
WO2019056571A1 (zh) * 2017-09-25 2019-03-28 深圳大学 一种web服务质量预测方法
CN111083631A (zh) * 2019-12-02 2020-04-28 兰州交通大学 一种保护位置隐私和查询隐私的高效查询处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107528835A (zh) * 2017-08-10 2017-12-29 北方工业大学 一种基于安全的智能合约k‑匿名激励机制的用户隐私保护方法
WO2019056571A1 (zh) * 2017-09-25 2019-03-28 深圳大学 一种web服务质量预测方法
CN109089314A (zh) * 2018-09-30 2018-12-25 哈尔滨工业大学（深圳） 一种基于推荐算法的wifi序列辅助GPS的室内定位方法
CN111083631A (zh) * 2019-12-02 2020-04-28 兰州交通大学 一种保护位置隐私和查询隐私的高效查询处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李维皓等: "基于位置服务中时空关联的隐私保护方案", 《通信学报》 *
杜刚: "基于属性基隐私信息检索的位置隐私保护方法", 《哈尔滨工程大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025310A (zh) * 2021-11-01 2022-02-08 湖南大学 基于边缘计算环境的位置服务隐私保护方法、装置及介质
CN114025310B (zh) * 2021-11-01 2022-08-12 湖南大学 基于边缘计算环境的位置服务隐私保护方法、装置及介质

Similar Documents

Publication Publication Date Title
Ibrahim et al. CNN based indoor localization using RSS time-series
CN108564788B (zh) 一种基于流式大数据的同行车辆发现方法
US8774830B2 (en) Training pattern recognition systems for determining user device locations
US8738032B2 (en) Hybrid location using a weighted average of location readings and signal strengths of wireless access points
Ciftler et al. Federated learning for RSS fingerprint-based localization: A privacy-preserving crowdsourcing method
CN106651247A (zh) 基于gis拓扑分析的地址匹配区域块方法和系统
Chidlovskii et al. Semi-supervised variational autoencoder for WiFi indoor localization
CN109212476B (zh) 一种基于ddpg的rfid室内定位算法
CN113988314B (zh) 一种选择客户端的分簇联邦学习方法及系统
CN107113764A (zh) 提高人工神经网络定位性能的方法和装置
CN109492076B (zh) 一种基于网络的社区问答网站答案可信评估方法
CN112131261B (zh) 基于社区网络的社区查询方法、装置和计算机设备
CN111148030A (zh) 指纹数据库的更新方法、装置、服务器及存储介质
CN112418518A (zh) 基于时间特征权重和线网拓扑的客流预测方法及装置
WO2022242018A1 (zh) 一种基于改进的cnn模型的室内目标定位方法
CN113423058A (zh) 一种基于位置服务的隐私保护方法
Tian et al. Spatio-temporal position prediction model for mobile users based on LSTM
CN110276387B (zh) 一种模型的生成方法及装置
CN109141420B (zh) 一种基于众包数据的室内定位方法
Zhang et al. Federated multi-task learning with non-stationary and heterogeneous data in wireless networks
Zhang et al. Strans-gan: Spatially-transferable generative adversarial networks for urban traffic estimation
CN107577727A (zh) 一种群体移动行为特性分析方法
Li et al. Anomalous path detection for spatial crowdsourcing-based indoor navigation system
CN115510317B (zh) 一种云边协同的兴趣点推荐方法及装置
CN116259057A (zh) 基于联盟博弈解决联邦学习中数据异质性问题的方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210921