CN113676283A - 一种基于加噪机制的单锚定位隐私保护方法 - Google Patents

Abstract

本发明公开一种基于加噪机制的单锚定位隐私保护方法，包括：目标节点发布定位任务，并将定位子任务分别发送给参与定位的不同锚节点；各锚节点对目标节点进行距离和角度测量，根据测量的距离信息和角度信息计算目标节点的估计位置；所有参与定位的锚节点合作产生一组零和噪声；锚节点在估计位置中加入各自的噪声项以更新目标节点的估计位置，从而隐藏锚节点测得的估计位置，并将更新后的定位结果发送给目标节点；目标节点根据接收到的各锚节点发回的各定位子任务的定位结果得到最终定位结果。本发明解决了在多个锚节点进行单锚节点定位过程中存在的隐私泄露问题，在保护节点隐私信息的同时，既能够保证较少的时间开销，也能够实现精确的定位结果。

Description

一种基于加噪机制的单锚定位隐私保护方法

技术领域

本发明属于物联网定位中的隐私保护技术领域，尤其涉及一种基于加噪机制的单锚定位隐私保护方法。

背景技术

随着5G无线通信技术的普及，智能家居、可穿戴设备和智能城市(包括智能监控和自动化交通)已经成为社会生活的重要组成部分。为了提供智能化服务，智能设备需要提供准确的位置信息，同时，大规模MIMO与mmWave通信技术能够确保距离和角度测量信息的准确性，因此，在物联网中实现精确定位引起了广泛的关注。

Wang et al.在2019年的《2019IEEE International Conference onCommunications》发表了一篇名为“Modeling and Analyzing Single AnchorLocalization for Internet of Things”的文章，基于多天线技术的单个访问接入点或基站能够同时获取目标节点的距离与角度信息，提出了一种单锚节点定位模型，与传统的三边或多边定位方法相比极大地降低了系统代价与开销。然而基于单锚节点定位的精确分布式定位算法依靠连接大量地接入点来提高定位精度，这就极大的增加了隐私泄露的风险。因此，定位过程中的隐私保护问题需要进行深入研究。

隐私保护方法分为三类，加密法，差分隐私法和信息隐藏法。加密法隐私保护强度高，但是计算复杂；差分隐私法通过在位置中加入结构化噪声实现隐私保护，这种方法计算高效，但是可能降低定位精度；信息隐藏法也采用加噪机制来保护隐私，但加入的噪声全部被抵消，对定位精度没有影响。

发明内容

本发明针对现有隐私保护方法存在的计算复杂、定位精度差的问题，提出一种基于加噪机制的单锚定位隐私保护方法，该方法不仅能够精确定位目标节点的位置，还能够保护参与定位节点的位置隐私信息。

为了实现上述目的，本发明采用以下技术方案：

一种基于加噪机制的单锚定位隐私保护方法，包括：

步骤1：目标节点发布定位任务，并将定位子任务分别发送给参与定位的不同锚节点；

步骤2：各锚节点对目标节点进行距离和角度测量，根据测量的距离信息和角度信息计算目标节点的估计位置；

步骤3：所有参与定位的锚节点合作产生一组零和噪声；

步骤4：锚节点在估计位置中加入各自的噪声项以更新目标节点的估计位置，并将更新后的定位结果发送给目标节点；

步骤5：目标节点根据接收到的各个锚节点发回的各定位子任务的定位结果得到最终定位结果。

进一步地，所述目标节点与锚节点均为部署了大规模天线阵列并且支持高带宽的设备。

进一步地，所述步骤2包括：

步骤2-1：锚节点i通过高带宽技术测量与目标节点0间的距离信息d_i，通过多天线技术测量与目标节点0间的角度信息αi，其中α_i表示边(i，0)与水平方向的角度，(i，0)表示锚节点i与目标节点0之间的边，1≤i≤m，m为参与定位的锚节点个数；

步骤2-2：若在一个二维空间中，则锚节点i计算目标节点0的估计位置T_i＝(t_i1，t_i2)，其中t_i1＝x_i1d_icos(α_i)，t_i2＝x_i2d_isin(α_i)，x_i1、x_i2为锚节点i的位置信息。

进一步地，所述步骤3包括：

步骤3-1：参与定位的m个锚节点各自分别产生m个和为零的随机数，锚节点i产生随机数为(w_i1，w_i2，...，w_im)，其中

步骤3-2：锚节点i保留一个随机数w_ik，将其余m-1个随机数分别发送给其余m-1个锚节点；

步骤3-3：锚节点i将保留的随机数w_ik与从其他m-1个锚节点处接收到的m-1个随机数相加，计算得到锚节点i的零和噪声项w_i。

进一步地，所述步骤4中，更新后的定位结果为：T_i0＝T_i+w_i，其中T_i0为更新后锚节点i计算的目标节点0的估计位置，T_i为锚节点i计算的目标节点0的估计位置，w_i为锚节点i的零和噪声项。

进一步地，所述步骤5包括：

目标节点接收各个锚节点发回的各定位子任务的定位结果，通过取均值，得到最终定位结果

其中T_i0为更新后锚节点i计算的目标节点0的估计位置、即锚节点i对应的定位子任务的定位结果，m为参与定位的锚节点个数。

与现有技术相比，本发明具有的有益效果：

本发明能够保护参与定位任务节点的位置隐私信息，因为本发明属于分布式定位方法，每个锚节点地位平等，通过合作产生零和噪声，分别将估计位置进行加噪处理后发送给目标节点，从而在实现精确定位的同时避免节点位置信息泄露。

附图说明

图1是本发明实施例一种基于加噪机制的单锚定位隐私保护方法的基本流程图；

图2是本发明实施例一种基于加噪机制的单锚定位隐私保护方法中锚节点合作产生零和噪声的流程图；

图3是本发明实施例中描述执行时间与锚节点数量关系的分析结果图；

图4是本发明实施例中描述定位误差与锚节点数量关系的分析结果图；

图5是本发明实施例中描述定位误差与测量次数关系的分析结果图。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的解释说明：

如图1所示，一种基于加噪机制的单锚定位隐私保护方法，包括：

步骤S101：目标节点发布定位任务，并将定位子任务分别发送给参与定位的不同锚节点；

步骤S102：各锚节点对目标节点进行距离和角度测量，根据测量的距离信息和角度信息计算目标节点的估计位置；

步骤S103：所有参与定位的锚节点合作产生一组零和噪声；

步骤S104：锚节点在估计位置中加入各自的噪声项以更新目标节点的估计位置，并将更新后的定位结果发送给目标节点；

步骤S105：目标节点根据接收到的各个锚节点发回的各定位子任务的定位结果得到最终定位结果。

具体地，定位过程中所有节点均是诚实但好奇的(Honest But Curious)，即每个节点均根据算法规定的步骤执行计算与通信，但是每个节点均好奇是否能够从自己获得的消息中获取其他节点的私有信息，假设在一个n维空间中，有m个锚节点参与定位，x₀＝(x₀₁，x₀₂，x₀₃，...，x_0n)表示目标节点0的位置信息，x_i＝(x_i1，x_i2，x_i3，...，x_in)表示锚节点i(i＝1，2，...，m)的位置信息。

进一步地，所述目标节点与锚节点均为部署了大规模天线阵列并且支持高带宽的设备。

进一步地，所述步骤S102包括：

步骤S102-1：锚节点i通过高带宽技术测量与目标节点0间的距离信息d_i，通过多天线技术测量与目标节点0间的角度信息α_i，其中α_i表示边(i，0)与水平方向的角度，(i，0)表示锚节点i与目标节点0之间的边，1≤i≤m，m为参与定位的锚节点个数；

步骤S102-2：若在一个二维空间中，则锚节点i计算目标节点0的估计位置T_i＝(t_i1，t_i2)，其中t_i1＝x_i1d_icos(α_i)，t_i2＝x_i2d_isin(α_i)，x_i1、x_i2为锚节点i的位置信息。

进一步地，如图2所示，所述步骤S103包括：

步骤S103-1：参与定位的m个锚节点各自分别产生m个和为零的随机数，锚节点i产生随机数为(w_i1，w_i2，...，w_im)，其中

步骤S103-2：锚节点i保留一个随机数w_ik，将其余m-1个随机数分别发送给其余m-1个锚节点；

步骤S103-3：锚节点i将保留的随机数w_ik与从其他m-1个锚节点处接收到的m-1个随机数相加，计算得到锚节点i的零和噪声项w_i。

进一步地，所述步骤S104中，更新后的定位结果为：T_i0＝T_i+w_i，其中T_i0为更新后锚节点i计算的目标节点0的估计位置，T_i为锚节点i计算的目标节点0的估计位置，w_i为锚节点i的零和噪声项。值得说明的是，本发明加入噪声更新目标节点的估计位置，是为了隐藏锚节点测得的估计位置。

进一步地，所述步骤S105包括：

目标节点接收各个锚节点发回的各定位子任务的定位结果，通过取均值，得到最终定位结果

其中T_i0为更新后锚节点i计算的目标节点0的估计位置、即锚节点i对应的定位子任务的定位结果，m为参与定位的锚节点个数。

为验证本发明效果，进行如下实验：

仿真实验参数配置如下：设置一个500×500平方米的正方形区域，其中目标节点位于区域中心，锚节点均匀分布于正方形区域。其中锚节点设备支持多天线技术，能够同时获取目标节点的距离和角度测量信息；锚节点与目标节点之间的距离和角度测量通过真实距离和真实角度加上测量误差进行模拟获得，即di＝si+δi与αi＝βi+θi，其中si为锚节点与目标节点之间的真实距离，误差参数δi用于刻画测量距离过程存在的误差，βi为目标节点真实位置相对于锚节点位置与水平线的夹角，误差参数θi用于刻画测量角度信息过程中存在的误差。在评估本发明方法(简称为PP-ADL)的正确性与有效性时，假设测量误差δi与θi均服从零均值正态分布，其标准差分别记为σ1与σ2。为了减少随机变量的随机性对结果的影响，所有模拟实验的结果平均为10000个独立实验。

图3给出了整个隐私保护方法执行时间，无隐私保护情况下执行时间与锚节点数量关系的分析结果。一方面，可以看出精确分布式定位(ADL)算法与PP-ADL的执行时间基本一致，这说明在利用加噪机制实现隐私保护的过程中不会增加时间开销；另一方面，执行时间随着锚节点数目的增多几乎呈线性增加。因此，可以看出本发明能够在不增加时间开销的情况下实现隐私保护。

图4给出了传统多边定位(TML)，ADL以及PP-ADL这三种定位方法的定位误差与锚节点数量之间的分析结果。通过对比可以看出基于单锚节点定位的ADL与PP-ADL的定位误差明显低于传统的多边定位算法，并且锚节点数量越多，定位越准确。图5给出了ADL，PP-ADL与测量次数关系的分析结果。可以发现测量次数越多，定位误差越接近于零。图4和图5联合表明了PP-ADL定位算法的正确性。也就是说，在锚点数量和测量次数充足的情况下，通过这种算法定位得到的估计位置与真实位置之间的误差能够无限趋于零。

综上，本发明能够保护参与定位任务节点的位置隐私信息，因为本发明属于分布式定位方法，每个锚节点地位平等，通过合作产生零和噪声，分别将估计位置进行加噪处理后发送给目标节点，从而在实现精确定位的同时避免节点位置信息泄露。

以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于加噪机制的单锚定位隐私保护方法，其特征在于，包括：

步骤1：目标节点发布定位任务，并将定位子任务分别发送给参与定位的不同锚节点；

步骤2：各锚节点对目标节点进行距离和角度测量，根据测量的距离信息和角度信息计算目标节点的估计位置；

步骤3：所有参与定位的锚节点合作产生一组零和噪声；

步骤4：锚节点在估计位置中加入各自的噪声项以更新目标节点的估计位置，并将更新后的定位结果发送给目标节点；

步骤5：目标节点根据接收到的各个锚节点发回的各定位子任务的定位结果得到最终定位结果。

2.根据权利要求1所述的一种基于加噪机制的单锚定位隐私保护方法，其特征在于，所述目标节点与锚节点均为部署了大规模天线阵列并且支持高带宽的设备。

3.根据权利要求1所述的一种基于加噪机制的单锚定位隐私保护方法，其特征在于，所述步骤2包括：

步骤2-1：锚节点i通过高带宽技术测量与目标节点0间的距离信息d_i，通过多天线技术测量与目标节点0间的角度信息α_i，其中α_i表示边(i,0)与水平方向的角度，(i,0)表示锚节点i与目标节点0之间的边，1≤i≤m，m为参与定位的锚节点个数；

步骤2-2：若在一个二维空间中，则锚节点i计算目标节点0的估计位置T_i＝(t_i1,t_i2)，其中t_i1＝x_i1d_icos(α_i)，t_i2＝x_i2d_isin(α_i)，x_i1、x_i2为锚节点i的位置信息。

4.根据权利要求1所述的一种基于加噪机制的单锚定位隐私保护方法，其特征在于，所述步骤3包括：

步骤3-1：参与定位的m个锚节点各自分别产生m个和为零的随机数，锚节点i产生随机数为(w_i1,w_i2,...,w_im)，其中

步骤3-2：锚节点i保留一个随机数w_ik，将其余m-1个随机数分别发送给其余m-1个锚节点；

步骤3-3：锚节点i将保留的随机数w_ik与从其他m-1个锚节点处接收到的m-1个随机数相加，计算得到锚节点i的零和噪声项w_i。

5.根据权利要求1所述的一种基于加噪机制的单锚定位隐私保护方法，其特征在于，所述步骤4中，更新后的定位结果为：T_i0＝T_i+w_i，其中T_i0为更新后锚节点i计算的目标节点0的估计位置，T_i为锚节点i计算的目标节点0的估计位置，w_i为锚节点i的零和噪声项。

6.根据权利要求1所述的一种基于加噪机制的单锚定位隐私保护方法，其特征在于，所述步骤5包括：

目标节点接收各个锚节点发回的各定位子任务的定位结果，通过取均值，得到最终定位结果

其中T_i0为更新后锚节点i计算的目标节点0的估计位置、即锚节点i对应的定位子任务的定位结果，m为参与定位的锚节点个数。

Images