CN114025310A - 基于边缘计算环境的位置服务隐私保护方法、装置及介质 - Google Patents

基于边缘计算环境的位置服务隐私保护方法、装置及介质 Download PDF

Info

Publication number
CN114025310A
CN114025310A CN202111280871.XA CN202111280871A CN114025310A CN 114025310 A CN114025310 A CN 114025310A CN 202111280871 A CN202111280871 A CN 202111280871A CN 114025310 A CN114025310 A CN 114025310A
Authority
CN
China
Prior art keywords
cloud
user
poe
thre
edge
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.)
Granted
Application number
CN202111280871.XA
Other languages
English (en)
Other versions
CN114025310B (zh
Inventor
蒋洪波
陈潜
肖竹
曾凡仔
刘代波
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202111280871.XA priority Critical patent/CN114025310B/zh
Publication of CN114025310A publication Critical patent/CN114025310A/zh
Application granted granted Critical
Publication of CN114025310B publication Critical patent/CN114025310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/029—Location-based management or tracking services
    • 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
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了一种基于边缘计算环境的位置服务隐私保护方法、装置及介质，方法：接收用户注册，接收用户基于位置的服务需求生成真实的位置服务请求，并进行隐私保护处理，得到k个位置服务请求发送给边缘服务器，以获取对应匹配的位置查询结果；对得到的位置查询结果进行评估，若评估结果达到阈值，则将边缘服务器匹配的位置查询结果反馈给用户；否则将k个位置服务请求发送给云服务器，以从云服务器获取匹配的位置查询结果；对从云服务器和边缘服务器得到的所有位置查询结果中，择优反馈给用户。本发明合理的利用边缘服务器和云服务器，在保障基于位置服务的质量的条件下，实现用户的位置隐私保护。

Description

基于边缘计算环境的位置服务隐私保护方法、装置及介质
技术领域
本发明属于隐私保护及信息安全领域，尤其涉及一种基于边缘计算环境的位置服务隐私保护方法、装置及介质。
背景技术
随着智能手机等可穿戴的支持GPS全球定位系统的设备越来越普及，同时随着物联网技术的不断发展，基于位置的服务(LBS)也不断的存在于我们生活照的方方面面。同时，兴趣点(POI)的推荐一直以来是基于位置服务的提供商(LBSP)的热门研究点，但目前所存在的兴趣点推荐比较单一，且推荐的服务质量参差不齐，缺少良好的推荐结果评估机制，在服务过程中用户的位置隐私保护也是非常重要的一个环节，基于位置服务的提供商的兴趣点推荐服务的兴起也对用户带来了极大的隐私威胁。单一的通过边缘计算环境下的移动设备的计算资源和有限的传输能量不足以准确地为用户推荐出最佳的兴趣点，边缘接节点是靠近用户终端的，与云计算相比，边缘节点之间也可能存在私下的联系，可能会导致用户隐私遭受到串联的攻击。仅通过云服务器来处理和计算也不足以保护用户的隐私，单一的云服务器会成为攻击者唯一的目标，且发送到那个云服务器可能会导致显著的延迟，影响服务质量，尤其是在大量数据需要通过已经拥塞的回程链路进行通信的情况下。边缘计算环境与位置服务的结合能有效提高位置服务的时效性和安全性，同时降低计算开销和数据的传输。
发明内容
本发明提供一种基于边缘计算环境的位置服务隐私保护方法、装置及介质，在边缘环境下，合理的利用边缘服务器和云服务器，在保障基于位置服务的质量的条件下，实现用户的位置隐私保护。
为实现上述技术目的，本发明采用如下技术方案：
一种基于边缘计算环境的位置服务隐私保护方法，应用于移动终端，包括：
步骤1，接收用户信息完成用户注册，设置云服务器和边缘服务器为可信任第三方；
步骤2，接收用户基于位置的服务需求并生成1个真实的位置服务请求，且位置服务请求中包括用户标识、用户当前所在的地理位置、查询服务属性以及时间戳；
步骤3，对位置服务请求中的信息进行隐私保护处理，包括假名以及k-匿名处理，得到k-1个虚假的位置服务请求；
步骤4，将真实和虚假的共k个位置服务请求发送给边缘服务器，由边缘服务器执行位置查询服务，以从边缘服务器获取对应匹配的位置查询结果；
步骤5，对步骤4得到的位置查询结果进行评估，若评估结果达到阈值，则将边缘服务器最匹配的位置查询结果反馈给用户，结束位置查询服务；若评估结果未达到阈值，则执行步骤6，
步骤6，将真实和虚假的共k个位置服务请求发送给云服务器，由云服务器执行位置查询服务，以从云服务器获取对应匹配的位置查询结果；
步骤7，对步骤4和步骤6得到的所有位置查询结果中，选择更优的位置查询结果反馈给用户，结束位置查询服务。
进一步地，步骤3的隐私保护处理，还包括对其中的地理位置进行偏移处理。
进一步地，移动终端与边缘服务器和云服务器之间通信的位置服务请求和位置查询结果，是使用RSA加密算法加密处理后再发送。
进一步地，位置查询结果中包括的因素有：兴趣点的标识符、类别、品牌、受欢迎程度。
进一步地，使用评估模型NPE对位置查询结果进行评估，具体评估方法为：
(A1)设位置查询结果包括若干个因素，将位置查询结果中的各因素值分别嵌入到向量进行表示；且参与评估的因素个数为n；
(A2)从所有向量中任意选择n个向量作为1组，选出所有的向量组；
(A3)计算每个向量组中的向量之和的标量投影值，即
Figure BDA0003331043870000021
fi为当前计算的向量组中的向量；d表示聚合密钥的嵌入；
(A4)取所有向量组对应的标量投影值中的最大值，作为位置查询结果的评估结果。
进一步地，使用评估模型POE对位置查询结果进行评估，具体评估方法为：
(B1)记本次评估的位置查询结果为候选兴趣点ql，获取用户本次ti的位置服务请求u和候选兴趣点ql，以及用户上次ti-1的位置服务请求对应选择的兴趣点
Figure BDA0003331043870000022
(B2)按下列公式计算多个注意力：
Figure BDA0003331043870000023
du＝ReLU(W2(βuu+(1-β)mu)+b2
Figure BDA0003331043870000024
式中，
Figure BDA0003331043870000025
为用户本次动作的第一意图向量，试图从用户上次位置服务请求中的时间戳来捕获用户在本次位置服务请求可能出现的意图；du为用户本次动作的第二意图向量，试图获取用户对特定空间偏好的特定信息；cl是为用户本次动作的第三意图向量，代表候选兴趣点ql的信息；ti和ti-1代表本次和上次位置服务请求的时间戳；mq和mu分别为兴趣点q和位置服务请求u的辅助因子，
Figure BDA0003331043870000031
为本次候选兴趣点ql的辅助因子，
Figure BDA0003331043870000032
为上次兴趣点
Figure BDA0003331043870000033
的辅助因子，mu为本次位置服务请求u的辅助因子；uu为用户位置服务请求的嵌入向量；
W1∈Rd×d是从兴趣点嵌入的转移矩阵，W2∈Rd×d是从用户位置服务请求嵌入的转移矩阵,W3∈Rd×d是一个权值矩阵，b1∈Rd、b2∈Rd、b3∈Rd是偏移向量；α,β为调整参数，用于控制元数据信息的重要性；
(B3)根据上述计算得到的三个意图向量，按下列式子计算本次候选兴趣点的得分：
Figure BDA0003331043870000034
其中，
Figure BDA0003331043870000035
为评估模型POE对候选兴趣点的评估得分，即对输入的位置查询结果的评估结果；T表示转置运算。
进一步地，步骤5同时使用评估模型NPE和评估模型POE对位置查询结果进行评估，若两项评估结果均达到阈值，则将评估的位置查询结果反馈给用户。
进一步地，步骤7的具体方法为：
(C1)使用评估模型NPE和评估模型POE，对云服务器返回的位置查询结果进行评估，评估结果分别记为SNPE,云和SPOE,云；
(C2)若SNPE,云≥Thre且SPOE,云≥Thre，即SNPE,云和SPOE,云均达到阈值Thre，则将该评估的位置查询结果反馈给用户；否则调用评估模型NPE和评估模型POE对边缘服务器返回的位置查询结果的评估结果SNPE,边和SPOE,边，并继续判断：
若SNPE,边≥Thre且SPOE,边＜Thre且SNPE,云≥Thre且SPOE,云＜Thre，则将SPOE,边与SPOE,云的较大者对应的位置查询结果反馈给用户；
若SNPE,边≥Thre且SPOE,边＜Thre且SNPE,云＜Thre且SPOE,云≥Thre，则将SPOE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云≥Thre且SPOE,云≥Thre，则将SPOE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云≥Thre且SPOE,云＜Thre，则将SNPE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云＜Thre且SPOE,云≥Thre，则将SPOE,边与SPOE,云的较大者对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边＜Thre且SNPE,云＜Thre且SPOE,云＜Thre，将则云服务器返回的位置查询结果均反馈给用户。
一种基于边缘计算环境的位置服务隐私保护装置，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一技术方案所述的基于边缘计算环境的位置服务隐私保护方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一技术方案所述的基于边缘计算环境的位置服务隐私保护方法。
有益效果：能在保证用户隐私的前提下，提高基于位置服务的服务质量，将边缘服务器与云服务器相结合，通过评估模型保障服务符合用户需求。其中，优先选择边缘服务器进行边缘计算以提供位置查询服务，可以有效的节约通信开销与反馈时间；在边缘服务器提供的位置查询服务不能通过评估的情况下，再基于云服务器更强大的数据处理能力和更全面的数据库等优势，使用云服务器提供更优质的位置查询服务，从边缘服务器和云服务器两者提供的查询结果中择优反馈给用户，实现在保证用户隐私的前提下提高基于位置服务的服务质量。
附图说明
图1为本发明实施例所述方法的基本框架；
图2为本发明实施例所述方法的流程图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。
实施例1
图1所示为本发明实施例中的一种基于边缘计算环境的位置服务隐私保护方法的基本框架，其包括用户、边缘服务器、云服务器、以及系统中的数据处理模块和结果评估模块。
如图2所示为本发明基于边缘计算环境的位置服务隐私保护方法的具体实施方式流程图，包括以下步骤：
步骤1，接收用户信息完成用户注册，设置云服务器和边缘服务器为可信任第三方。
步骤2，接收用户基于位置的服务需求并生成1个真实的位置服务请求，且位置服务请求中包括用户标识、用户当前所在的地理位置、查询服务属性以及时间戳。
步骤3，对位置服务请求中的信息进行隐私保护处理，包括假名、k-匿名处理以及对其中的地理位置进行偏移处理，得到k-1个虚假的位置服务请求。
步骤4，将真实和虚假的共k个位置服务请求发送给边缘服务器，由边缘服务器执行位置查询服务，以从边缘服务器获取对应匹配的位置查询结果。
本实施例中，位置查询结果中包括的因素有：兴趣点的标识符、类别、品牌、受欢迎程度等。
步骤5，对步骤4得到的位置查询结果进行评估，若评估结果达到阈值，则将边缘服务器最匹配的位置查询结果反馈给用户，结束位置查询服务；若评估结果未达到阈值，则执行步骤6。
本实施例的该步骤中，同时使用评估模型NPE和评估模型POE对位置查询结果进行评估。其中使用评估模型NPE对位置查询结果进行评估的具体方法为：
(A1)设位置查询结果包括若干个因素，将位置查询结果中的各因素值分别嵌入到向量进行表示；且参与评估的因素个数为n；
(A2)从所有向量中任意选择n个向量作为1组，选出所有的向量组；
(A3)计算每个向量组中的向量之和的标量投影值，即
Figure BDA0003331043870000051
fi为当前计算的向量组中的向量；其中d是聚合密钥的嵌入，
Figure BDA0003331043870000052
Figure BDA0003331043870000053
是可能性向量也就是似然向量，由fi决定的，|d|是d的欧几里得范数；
(A4)取所有向量组对应的标量投影值中的最大值，作为位置查询结果的评估结果。
使用评估模型POE对位置查询结果进行评估的具体方法为：
(B1)记本次评估的位置查询结果为候选兴趣点ql，获取用户本次ti的位置服务请求u和候选兴趣点ql，以及用户上次ti-1的位置服务请求对应选择的兴趣点
Figure BDA0003331043870000054
(B2)按下列公式计算多个注意力：
Figure BDA0003331043870000055
du＝ReLU(W2(βuu+(1-β)mu)+b2
Figure BDA0003331043870000056
式中，
Figure BDA0003331043870000057
为用户本次动作的第一意图向量，试图从用户上次位置服务请求对应选择的兴趣点
Figure BDA0003331043870000058
来捕获用户在本次位置服务请求可能出现的意图；du为用户本次动作的第二意图向量，试图从用户位置服务请求u获取用户对特定空间偏好的特定信息；cl是为用户本次动作的第三意图向量，代表候选兴趣点ql的信息；ti和ti-1代表本次和上次位置服务请求的时间戳；mq和mu分别为兴趣点q和位置服务请求u的辅助因子，
Figure BDA0003331043870000061
为本次候选兴趣点ql的辅助因子，
Figure BDA0003331043870000062
为上次兴趣点
Figure BDA0003331043870000063
的辅助因子，mu为本次位置服务请求u的辅助因子；uu为用户位置服务请求u的嵌入向量；
W1∈Rd×d是从兴趣点嵌入的转移矩阵，W2∈Rd×d是从用户位置服务请求嵌入的转移矩阵,W3∈Rd×d是一个权值矩阵，b1∈Rd、b2∈Rd、b3∈Rd是偏移向量；α,β为调整参数，用于控制元数据信息的重要性。
(B3)根据上述计算得到的三个意图向量，按下列式子计算本次候选兴趣点的得分：
Figure BDA0003331043870000064
其中，
Figure BDA0003331043870000065
为评估模型POE对候选兴趣点的评估得分，即对输入的位置查询结果的评估结果；T表示转置运算。
本实施例的评估模型POE，实际为多注意力机制的神经网络，W1,W2,W3这三个转移矩阵和b1,b2,b3这三个偏移向量为多注意机制神经网络中的参数，通过使用训练样本学习得到。
如果NPE和POE对输入的位置查询结果的评估结果均达到阈值，则将该评估的位置查询结果反馈给用户，结束位置查询服务。否则继续执行步骤6。
步骤6，将真实和虚假的共k个位置服务请求发送给云服务器，由云服务器执行位置查询服务，以从云服务器获取对应匹配的位置查询结果。
步骤7，对步骤4和步骤6得到的所有位置查询结果中，选择更优的位置查询结果反馈给用户，结束位置查询服务。具体选择更优位置查询结果的方法为：
(C1)使用步骤4中所述的评估模型NPE和评估模型POE，对云服务器返回的位置查询结果进行评估，评估结果分别记为SNPE,云和SPOE,云；
(C2)若SNPE,云≥Thre且SPOE,云≥Thre，即SNPE,云和SPOE,云均达到阈值Thre，则将该评估的位置查询结果反馈给用户；否则调用评估模型NPE和评估模型POE对边缘服务器返回的位置查询结果的评估结果SNPE,边和SPOE,边，并继续判断：
若SNPE,边≥Thre且SPOE,边＜Thre且SNPE,云≥Thre且SPOE,云＜Thre，则将SPOE,边与SPOE,云的较大者对应的位置查询结果反馈给用户；
若SNPE,边≥Thre且SPOE,边＜Thre且SNPE,云＜Thre且SPOE,云≥Thre，则将SPOE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云≥Thre且SPOE,云≥Thre，则将SPOE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云≥Thre且SPOE,云＜Thre，则将SNPE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云＜Thre且SPOE,云≥Thre，则将SPOE,边与SPOE,云的较大者对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边＜Thre且SNPE,云＜Thre且SPOE,云＜Thre，将则云服务器返回的位置查询结果均反馈给用户。
实施例2
一种基于边缘计算环境的位置服务隐私保护装置，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现实施例1所述的方法。
实施例3
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述的方法。
以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。

Claims (10)

1.一种基于边缘计算环境的位置服务隐私保护方法，应用于移动终端，其特征在于，包括：
步骤1，接收用户信息完成用户注册，设置云服务器和边缘服务器为可信任第三方；
步骤2，接收用户基于位置的服务需求并生成1个真实的位置服务请求，且位置服务请求中包括用户标识、用户当前所在的地理位置、查询服务属性以及时间戳；
步骤3，对位置服务请求中的信息进行隐私保护处理，包括假名以及k-匿名处理，得到k-1个虚假的位置服务请求；
步骤4，将真实和虚假的共k个位置服务请求发送给边缘服务器，由边缘服务器执行位置查询服务，以从边缘服务器获取对应匹配的位置查询结果；
步骤5，对步骤4得到的位置查询结果进行评估，若评估结果达到阈值，则将边缘服务器最匹配的位置查询结果反馈给用户，结束位置查询服务；若评估结果未达到阈值，则执行步骤6，
步骤6，将真实和虚假的共k个位置服务请求发送给云服务器，由云服务器执行位置查询服务，以从云服务器获取对应匹配的位置查询结果；
步骤7，对步骤4和步骤6得到的所有位置查询结果中，选择更优的位置查询结果反馈给用户，结束位置查询服务。
2.根据权利要求1所述的方法，其特征在于，步骤3的隐私保护处理，还包括对其中的地理位置进行偏移处理。
3.根据权利要求1所述的方法，其特征在于，移动终端与边缘服务器和云服务器之间通信的位置服务请求和位置查询结果，是使用RSA加密算法加密处理后再发送。
4.根据权利要求1所述的方法，其特征在于，位置查询结果中包括的因素有：兴趣点的标识符、类别、品牌、受欢迎程度。
5.根据权利要求1所述的方法，其特征在于，使用评估模型NPE对位置查询结果进行评估，具体评估方法为：
(A1)设位置查询结果包括若干个因素，将位置查询结果中的各因素值分别嵌入到向量进行表示；且参与评估的因素个数为n；
(A2)从所有向量中任意选择n个向量作为1组，选出所有的向量组；
(A3)计算每个向量组中的向量之和的标量投影值，即
Figure FDA0003331043860000011
fi为当前计算的向量组中的向量；d是聚合密钥的嵌入；
(A4)取所有向量组对应的标量投影值中的最大值，作为位置查询结果的评估结果。
6.根据权利要求1所述的方法，其特征在于，使用评估模型POE对位置查询结果进行评估，具体评估方法为：
(B1)记本次评估的位置查询结果为候选兴趣点ql，获取用户本次ti的位置服务请求u和候选兴趣点ql，以及用户上次ti-1的位置服务请求对应选择的兴趣点
Figure FDA0003331043860000021
(B2)按下列公式计算多个注意力：
Figure FDA0003331043860000022
du＝ReLU(W2(βuu+(1-β)mu)+b2
Figure FDA0003331043860000023
式中，
Figure FDA0003331043860000024
为用户本次动作的第一意图向量，试图从用户上次位置服务请求中的时间戳来捕获用户在本次位置服务请求可能出现的意图；du为用户本次动作的第二意图向量，试图获取用户对特定空间偏好的特定信息；cl是为用户本次动作的第三意图向量，代表候选兴趣点ql的信息；ti和ti-1代表本次和上次位置服务请求的时间戳；mq和mu分别为兴趣点q和位置服务请求u的辅助因子，
Figure FDA0003331043860000025
为本次候选兴趣点ql的辅助因子，
Figure FDA0003331043860000026
为上次兴趣点
Figure FDA0003331043860000027
的辅助因子，mu为本次位置服务请求u的辅助因子；uu为用户位置服务请求的嵌入向量；
W1∈Rd×d是从兴趣点嵌入的转移矩阵，W2∈Rd×d是从用户位置服务请求嵌入的转移矩阵,W3∈Rd×d是一个权值矩阵，b1∈Rd、b2∈Rd、b3∈Rd是偏移向量；α,β为调整参数，用于控制元数据信息的重要性；
(B3)根据上述计算得到的三个意图向量，按下列式子计算本次候选兴趣点的得分：
Figure FDA0003331043860000028
其中，
Figure FDA0003331043860000029
为评估模型POE对候选兴趣点的评估得分，即对输入的位置查询结果的评估结果；T表示转置运算。
7.根据权利要求1所述的方法，其特征在于，步骤5同时使用评估模型NPE和评估模型POE对位置查询结果进行评估，若两项评估结果均达到阈值，则将评估的位置查询结果反馈给用户。
8.根据权利要求7所述的方法，其特征在于，步骤7的具体方法为：
(C1)使用评估模型NPE和评估模型POE，对云服务器返回的位置查询结果进行评估，评估结果分别记为SNPE,云和SPOE,云；
(C2)若SNPE,云≥Thre且SPOE,云≥Thre，即SNPE,云和SPOE,云均达到阈值Thre，则将该评估的位置查询结果反馈给用户；否则调用评估模型NPE和评估模型POE对边缘服务器返回的位置查询结果的评估结果SNPE,边和SPOE,边，并继续判断：
若SNPE,边≥Thre且SPOE,边＜Thre且SNPE,云≥Thre且SPOE,云＜Thre，则将SPOE,边与SPOE,云的较大者对应的位置查询结果反馈给用户；
若SNPE,边≥Thre且SPOE,边＜Thre且SNPE,云＜Thre且SPOE,云≥Thre，则将SPOE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云≥Thre且SPOE,云≥Thre，则将SPOE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云≥Thre且SPOE,云＜Thre，则将SNPE,云对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边≥Thre且SNPE,云＜Thre且SPOE,云≥Thre，则将SPOE,边与SPOE,云的较大者对应的位置查询结果反馈给用户；
若SNPE,边＜Thre且SPOE,边＜Thre且SNPE,云＜Thre且SPOE,云＜Thre，将则云服务器返回的位置查询结果均反馈给用户。
9.一种基于边缘计算环境的位置服务隐私保护装置，包括存储器及处理器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1～8中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～8中任一项所述的方法。
CN202111280871.XA 2021-11-01 2021-11-01 基于边缘计算环境的位置服务隐私保护方法、装置及介质 Active CN114025310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111280871.XA CN114025310B (zh) 2021-11-01 2021-11-01 基于边缘计算环境的位置服务隐私保护方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111280871.XA CN114025310B (zh) 2021-11-01 2021-11-01 基于边缘计算环境的位置服务隐私保护方法、装置及介质

Publications (2)

Publication Number Publication Date
CN114025310A true CN114025310A (zh) 2022-02-08
CN114025310B CN114025310B (zh) 2022-08-12

Family

ID=80059421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111280871.XA Active CN114025310B (zh) 2021-11-01 2021-11-01 基于边缘计算环境的位置服务隐私保护方法、装置及介质

Country Status (1)

Country Link
CN (1) CN114025310B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114969805A (zh) * 2022-04-18 2022-08-30 中移互联网有限公司 服务查询方法、装置、电子设备及存储介质
CN117633371A (zh) * 2024-01-25 2024-03-01 云南大学 基于多注意力机制的推荐方法、设备和可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103618995A (zh) * 2013-12-04 2014-03-05 西安电子科技大学 基于动态假名的位置隐私保护方法
CN104080081A (zh) * 2014-06-16 2014-10-01 北京大学 一种适用于移动端位置隐私保护的空间匿名化方法
CN104618864A (zh) * 2015-01-26 2015-05-13 电子科技大学 一种位置服务中基于虚假位置的隐私保护方法
CN104796858A (zh) * 2015-03-23 2015-07-22 电子科技大学 一种位置服务中基于假位置和几何学的位置隐私保护方法
US20180150511A1 (en) * 2016-11-29 2018-05-31 International Business Machines Corporation Processing a data query
CN110611667A (zh) * 2019-09-02 2019-12-24 深圳市赛梅斯凯科技有限公司 边缘计算环境下动态的位置隐私保护方法及装置
CN113423058A (zh) * 2021-06-08 2021-09-21 山东浪潮科学研究院有限公司 一种基于位置服务的隐私保护方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103618995A (zh) * 2013-12-04 2014-03-05 西安电子科技大学 基于动态假名的位置隐私保护方法
CN104080081A (zh) * 2014-06-16 2014-10-01 北京大学 一种适用于移动端位置隐私保护的空间匿名化方法
CN104618864A (zh) * 2015-01-26 2015-05-13 电子科技大学 一种位置服务中基于虚假位置的隐私保护方法
CN104796858A (zh) * 2015-03-23 2015-07-22 电子科技大学 一种位置服务中基于假位置和几何学的位置隐私保护方法
US20180150511A1 (en) * 2016-11-29 2018-05-31 International Business Machines Corporation Processing a data query
CN110611667A (zh) * 2019-09-02 2019-12-24 深圳市赛梅斯凯科技有限公司 边缘计算环境下动态的位置隐私保护方法及装置
CN113423058A (zh) * 2021-06-08 2021-09-21 山东浪潮科学研究院有限公司 一种基于位置服务的隐私保护方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
迟永生等: "基于多场景的边缘云部署方法论", 《邮电设计技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114969805A (zh) * 2022-04-18 2022-08-30 中移互联网有限公司 服务查询方法、装置、电子设备及存储介质
CN114969805B (zh) * 2022-04-18 2023-09-19 中移互联网有限公司 服务查询方法、装置、电子设备及存储介质
CN117633371A (zh) * 2024-01-25 2024-03-01 云南大学 基于多注意力机制的推荐方法、设备和可读存储介质
CN117633371B (zh) * 2024-01-25 2024-04-12 云南大学 基于多注意力机制的推荐方法、设备和可读存储介质

Also Published As

Publication number Publication date
CN114025310B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
Qu et al. Privacy of things: Emerging challenges and opportunities in wireless internet of things
Zheng et al. Learning the truth privately and confidently: Encrypted confidence-aware truth discovery in mobile crowdsensing
Zhang et al. PIC: Enable large-scale privacy preserving content-based image search on cloud
Guan et al. Cross-lingual multi-keyword rank search with semantic extension over encrypted data
CN111083631B (zh) 一种保护位置隐私和查询隐私的高效查询处理方法
CN114025310B (zh) 基于边缘计算环境的位置服务隐私保护方法、装置及介质
CN110135185A (zh) 使用生成式对抗网络进行私有化的机器学习
CN109615021B (zh) 一种基于k均值聚类的隐私信息保护方法
CN111612167B (zh) 机器学习模型的联合训练方法、装置、设备及存储介质
CN108718341B (zh) 数据的共享和搜索的方法
Parra-Arnau et al. Optimal tag suppression for privacy protection in the semantic Web
Badsha et al. Privacy preserving user based web service recommendations
CN114428972A (zh) 支持外包计算的隐私保护查询方法、装置及相关设备
Qayyum Data security in mobile cloud computing: A state of the art review
CN113343000A (zh) 基于国密算法的图像加密方法、装置、电子设备及介质
WO2022076826A1 (en) Privacy preserving machine learning via gradient boosting
Ravi et al. SECRECSY: A secure framework for enhanced privacy-preserving location recommendations in cloud environment
Wu et al. Secure public data auditing scheme for cloud storage in smart city
CN115767722A (zh) 一种云环境下基于内积函数加密的室内定位隐私保护方法
CN116032667A (zh) 支持高效更新的在线匿踪查询方法、系统及相关设备
WO2020209793A1 (en) Privacy preserving system for mapping common identities
CN115664629A (zh) 一种基于同态加密的智慧物联平台数据隐私保护方法
CN114629717B (zh) 一种数据处理方法、装置、系统、设备及存储介质
CN113051418A (zh) 一种图像来源追踪方法、装置、存储介质及电子设备
CN115333811B (zh) 一种多关键词搜索功能的安全无信道公钥认证可搜索加密方法及相关装置

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