CN117119444B - 一种基于移动边缘计算的位置隐私保护方法 - Google Patents
一种基于移动边缘计算的位置隐私保护方法 Download PDFInfo
- Publication number
- CN117119444B CN117119444B CN202311388479.6A CN202311388479A CN117119444B CN 117119444 B CN117119444 B CN 117119444B CN 202311388479 A CN202311388479 A CN 202311388479A CN 117119444 B CN117119444 B CN 117119444B
- Authority
- CN
- China
- Prior art keywords
- task
- cost
- user
- representing
- false
- 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 53
- 238000004364 calculation method Methods 0.000 title claims abstract description 47
- 238000010586 diagram Methods 0.000 claims abstract description 74
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000005265 energy consumption Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012966 insertion method Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
Classifications
-
- 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
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
- H04W12/122—Counter-measures against attacks; Protection against rogue devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于移动边缘计算的位置隐私保护方法，属于位置隐私保护技术领域，应用于云端，为了解决目前移动边缘计算位置隐私保护算法导致用户任务卸载时服务质量降低的缺点，包括：采用维诺图机制将地图划分为多个连续不重复的区域，得到划分后的维诺图数据；其中，每个区域形成为划分后的维诺图数据的维诺格且各维诺格内存在若干用户和唯一边缘节点，各所述边缘节点包括服务器和所述服务器所对应的通信基站；将各所述维诺格所对应的划分后的维诺图数据分发至各所述维诺格所对应的服务器。
Description
技术领域
本发明涉及位置隐私保护技术领域，具体涉及一种基于移动边缘计算的位置隐私保护方法。
背景技术
将本地设备无法处理的任务卸载到MEC服务器上处理这一过程称为任务卸载，其可以获较低的延迟同时可以降低本地设备能耗。但是在任务卸载的过程中，用户需要将自身位置上传至MEC服务器，若MEC服务器被攻击者俘获则会导致用户位置隐私泄露。针对这一问题，现有的隐私保护方案分为匿名算法、加密算法和扰动算法，这三种算法都有各自的缺点。匿名算法最大的缺点是无法抵御具有背景知识的攻击者，针对这一问题，现有技术中有利用不规则多边形生成算法生成多边形匿名区域，通过设置密度参数实现空间匿名性，构造虚拟位置达到位置模糊的效果改进了匿名算法，但是又伴随出位置数据价值降低的缺点。加密算法具有强隐私保护程度，但是伴随着很高的计算复杂度和通信存储成本。基于此，一部分发明人基于全同态加密机制提出一种全同态封装机制，针对计算复杂度高采用任意单陷门置换方法使得运算复杂度降低，但是此算法的密钥依旧过大，通信存储成本高不适用于移动边缘计算。本地差分隐私是扰动算法的代表方法，此算法缺点是由于位置扰动，所以数据价值较低。另一部分发明人针对这一问题提出一种基于局部差分隐私偏好的位置保护方法，根据用户位置和需求调整扰动模式，从而保证用户整体轨迹数据的数据价值，但是此算法没有针对用户在某一位置进行任务卸载时的服务质量进行考虑，导致用户任务卸载时的服务质量降低。目前的现有技术在保护用户位置隐私的时候都存在不同的缺点，且均没有考虑用户在某一位置任务卸载时服务质量。
发明内容
本发明的目的在于提供一种基于移动边缘计算的位置隐私保护方法，以解决目前移动边缘计算位置隐私保护算法导致用户任务卸载时服务质量降低的缺点。
本发明解决上述技术问题的技术方案如下：
本发明提供一种基于移动边缘计算的位置隐私保护方法，应用于云端，所述基于移动边缘计算的位置隐私保护方法包括：
采用维诺图机制将地图划分为多个连续不重复的区域，得到划分后的维诺图数据；其中，每个区域形成为划分后的维诺图数据的维诺格且各维诺格内存在若干用户和唯一边缘节点，各所述边缘节点包括服务器和所述服务器所对应的通信基站；
将各所述维诺格所对应的划分后的维诺图数据分发至各所述维诺格所对应的服务器。
可选择地，所述采用维诺图机制将地图划分为多个连续不重复的区域，得到划分后的维诺图数据包括：
利用逐点插入法构造维诺图将地图划分为多个连续不重复的区域，得到划分后的维诺图数据。
可选择地，所述利用逐点插入法构造维诺图将地图划分为多个连续不重复的区域，得到划分后的维诺图数据包括：
利用边缘节点集合的前三个生成元构建初始三角网；
逐个将边缘节点集合中的剩余生成元插入至所述三角网中；
每插入一个生成元更新一次所述三角网，直到所述边缘节点集合中的所有生成元都插入至所述三角网中，得到最终的三角网；
确定所述最终的三角网中所有三角形的外接圆圆心；
将所述最终的三角形网中的共边三角形的外接圆圆心相连，得到维诺格边界集合；
删除所述最终的三角网中三角形的边，得到维诺图；
将所述维诺格边界数据和所述维诺图作为所述划分后的维诺图数据。
可选择地，所述每插入一个生成元更新一次所述三角网包括：
将目标生成元插入当前三角网中，
若所述目标生成元被包含在所述当前三角网中具有公共边的两个三角形外接圆中，则将所述公共边标记为多余边并删除所述多余边；
存储删除所述多余边后的三角形的顶点；
连接所述顶点和所述目标生成元，以完成所述当前三角网的更新。
可选择地，应用于服务器端，所述基于移动边缘计算的位置隐私保护方法包括：
接收所述服务器所在维诺格所对应的划分后的维诺图数据以及所述用户发送的任务请求；
根据所述任务请求判断所述用户是否为所述服务器通信范围内用户，若是，将所述服务器所在维诺格所对应的划分后的维诺图数据发送至所述用户，以及，响应所述任务请求并存储所述任务请求中包含的虚假位置信息；否则，不进行数据处理；以及
将所述服务器所在维诺格所对应的划分后的维诺图数据发送至所述维诺格中所有用户。
可选择地，响应所述任务请求包括：
根据所述虚假位置信息，计算本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本；
根据所述本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本确定任务卸载执行体；其中，若本地计算成本小于真实位置任务卸载成本和所述虚假位置任务卸载成本，则确定所述用户为任务卸载执行体；若所述虚假位置任务卸载成本和/或所述真实位置任务卸载成本小于所述本地计算成本，则确定所述服务器为任务卸载执行体；
向所述任务卸载执行体下发任务卸载控制指令。
可选择地，应用于用户端，所述基于移动边缘计算的位置隐私保护方法包括：
接收当前所处维诺格所对应的划分后的维诺图数据；
利用ɛ-地理不可区分性机制生成虚假位置；
利用所述虚假位置与所述边缘节点进行交互；以及，
在进行任务卸载时，用虚假位置代替真实位置。
可选择地，所述利用ɛ-地理不可区分性机制生成虚假位置包括：
根据给定隐私预算和隐私安全等级，计算ɛ-地理不可区分性机制的保护范围；
调整隐私预算，得到调整后的隐私预算；
根据调整后的隐私预算，确定圆的半径；
绘制以x为圆心，半径为，角度为/>的圆；
根据所述圆的半径和角度，生成虚假位置。
可选择地，根据所述圆的半径和角度，生成虚假位置包括：
其中，表示虚假位置，/>表示真实位置，/>表示圆的半径，/>表示圆的角度。
本发明还提供一种基于上述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，所述服务质量评估方法包括：
分别计算本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本；
其中，本地计算成本为：
虚假位置任务卸载成本为：
真实位置任务卸载成本为：
其中，和/>为不同的权重参数，/>表示本地处理任务的时延且/>，表示处理任务所需的CPU总周期数，/>表示CPU计算资源，/>表示本地计算的能耗且，/>表示能耗常数，/>和/>表示不同的权重参数，/>表示用户以虚假位置发送请求时的上行延时，/>表示虚假位置在边缘节点中计算产生的时延，/>表示生成虚假位置时产生的延时，/>表示用户以虚假位置发送请求时的上行能耗，/>表示用户以虚假位置发送请求时的回传能耗，/>表示用户传输上行的时延且/>，/>表示任务的数据量大小，/>表示用户的传输速率，/>表示在边缘节点中计算产生的时延且，/>表示处理任务所需要的CPU总周期数，/>表示将边缘节点分配给任务的计算资源，/>表示传输上行的能耗且/>，/>表示用户的信号发射速率，/>表示在边缘节点计算任务的过程中，用户需要保持/>的接收功率等待结算结果的回传，这段的能耗；
根据所述本地计算成本、虚假位置任务卸载成本/>和真实位置任务卸载成本/>，计算服务质量损失包括：
当本地计算成本小于真实位置任务卸载成本且所述真实位置任务卸载成本小于所述虚假位置任务卸载成本时，确定用户的时延能耗损失，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
当虚假位置任务卸载成本小于真实位置任务卸载成本且所述真实位置任务卸载成本小于所述本地计算成本时，确定用户的时延能耗损失，根据所述用户的时延能耗损失，服务质量损失/>；
当真实位置任务卸载成本小于虚假位置任务卸载成本且所述虚假位置任务卸载成本小于所述本地计算成本时，确定用户的时延能耗损失为，根据所述用户的时延能耗损失，确定所述服务质量损失；
当真实位置任务卸载成本小于本地计算成本且所述本地计算成本小于虚假位置任务卸载成本时，确定用户的时延能耗损失为，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
其中，表示第/>个用户，/>和/>表示不同的权重参数，/>表示真实位置和虚假位置之间的距离，即距离损失；/>表示虚假位置，/>表示真实位置。
本发明具有以下有益效果：
1）本发明与部分现有技术相比具有更高隐私保护程度高，可以有效抵御MEC服务被俘获或具有背景知识攻击者的攻击；
2）本发明相较其他隐私保护方案注重考虑用户服务质量，在保护用户位置隐私的前提下用户服务质量更高；
3）本发明提出的服务质量损失这一指标，可以根据用户所需服务注重的时延，能耗和距离损失的不同多维度地对用户在进行隐私保护时所产生的服务质量进行评估，具有较强的应用性。
附图说明
图1为本发明基于移动边缘计算的位置隐私保护方法的流程图；
图2为维诺图空间划分示意图；
图3为隐私保护策略场景示意图；
图4a表示插入新生成元的结构示意图；图4b表示找出多余边的结构示意图1；图4c表示找出多余边的结构示意图2；图4d表示删除多余边的结构示意图；图4e表示最终的三角网的结构示意图；
图5a表示找到三角形外接圆心连接的结构示意图；图5b表示维诺图的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明对地图的假设为：地图中分布着个的MEC服务器和通信基站，基站和MEC服务器一一对应，每个MEC服务器和与其对应的通信基站的组合称为一个边缘节点用表示且每个边缘节点的服务范围相同；同时还分布着/>个用户且每个用户至少在一个边缘节点的服务范围内。
本发明对攻击者的假设为：攻击者可能是来自于系统结构中的任意一方，其目的就是获取用户的精确位置。攻击模式可能是窥探、背景知识关联、用户串谋等多种方式。
在此基础上，本发明提供一种基于移动边缘计算的位置隐私保护方法，参考图1所示，应用于云端，所述基于移动边缘计算的位置隐私保护方法包括：
S1：采用维诺图机制将地图划分为多个连续不重复的区域，得到划分后的维诺图数据；其中，每个区域形成为划分后的维诺图数据的维诺格且各维诺格内存在若干用户和唯一边缘节点，各所述边缘节点包括服务器和所述服务器所对应的通信基站。
平面内存在n个互异的点，这些点被称为生成元。每个生成元都被一个多边形包含在其内部，这些多边形相互连续不重叠，维诺图由这些多边形构成。这些多边形被称为维诺格，维诺图由生成元分布将平面分割成n个维诺格。
维诺图拥有以下性质：
1)生成元确定时，通过这组生成元生成的维诺图唯一；
2)维诺图把平面划分成个维诺格，每个维诺格内只有一个生成元；
3)每个维诺格的每条边都是两相邻生成元连线的垂直平分线；
4)每个维诺格内的点到该生成元距离小于到其它生成元距离。
如图2所示，图中虚线围成的多边形为维诺格，黑色实心点为生成元。本发明以边缘节点作为维诺图生成元，由边缘节点的分布决定维诺图对地图的划分。边缘节点所在的维诺格中存在/>，/>，/>和/>四个用户，对于所有的用户来说/>所在维诺格即为其安全区域。
使用维诺图机制的主要目的是划分路网空间并且限制虚假位置生成范围从而保证服务质量。本发明选择维诺图划分地图并以边缘节点作为维诺图生成元的原因如下：
1）每个维诺格对用户来说就是一个安全区域，并且此安全区域内必然存在一个边缘节点；如果采用前述几种划分安全区域，可能导致部分安全区域中没有边缘节点或有多个边缘节点；
2）用户所交互的边缘节点一定是自身所在安全区域内的；由维诺格性质，用户所交互的边缘节点一定是离自己最近的；
3）每个用户是以其所在维诺格为安全区域进行位置隐私保护的，每个用户的虚假位置生成范围也在其所在维诺格内；此机制虚假位置距离此用户交互的边缘节点距离不会太远。保证边缘节点分配通信资源时的准确性。
本发明利用逐点插入法构造维诺图将地图划分为多个连续不重复的区域，参考图3所示，得到划分后的维诺图数据，具体包括：
利用边缘节点集合的前三个生成元构建初始三角网；
逐个将边缘节点集合中的剩余生成元插入至所述三角网中；
每插入一个生成元更新一次所述三角网，直到所述边缘节点集合中的所有生成元都插入至所述三角网中，得到最终的三角网；
如图4a所示，将新生成元p i插入当前三角网中。如图4b所示，判断是否被包含在当前三角网中具有公共边的两个三角形外接圆中，发现/>同时在/>和/>这两个共边三角形的外接圆内部，则公共边/>为多余边。同理，如图4c所示，p i也同时在/>和这两个共边三角形的外接圆内，所以公共边/>也为多余边。如图4d所示，将找到的多余边删除，并储存删除了边的三角形的顶点/>。如图4e所示，连接新插入生成元/>与上步储存的点/>，得到新的三角网。
遍历上述步骤，直到中所有的生成元均插入到三角网内，得到最终的三角网。
确定所述最终的三角网中所有三角形的外接圆圆心；
将所述最终的三角形网中的共边三角形的外接圆圆心相连，得到维诺格边界集合；
删除所述最终的三角网中三角形的边，得到维诺图；
如图4e所示，得到最终德劳内三角网后，需要找到最终的三角网中的所有三角形的外接圆圆心c1-c5；如图5a所示，将最终的三角网中的共边三角形的外心相连；如图5b所示，最后删除最终的三角网中的三角形的边，得到维诺图。
将所述维诺格边界数据和所述维诺图作为所述划分后的维诺图数据。
S2：将各所述维诺格所对应的划分后的维诺图数据分发至各所述维诺格所对应的服务器。
基于此，本发明的基于移动边缘计算的位置隐私保护方法，应用于服务器端，还包括：
接收所述服务器所在维诺格所对应的划分后的维诺图数据以及所述用户发送的任务请求；
根据所述任务请求判断所述用户是否为所述服务器通信范围内用户，若是，将所述服务器所在维诺格所对应的划分后的维诺图数据发送至所述用户，以及，响应所述任务请求并存储所述任务请求中包含的虚假位置信息；否则，不进行数据处理；以及
将所述服务器所在维诺格所对应的划分后的维诺图数据发送至所述维诺格中所有用户。
可选择地，响应所述任务请求包括：
根据所述虚假位置信息，计算本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本；
根据所述本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本确定任务卸载执行体；其中，若本地计算成本小于真实位置任务卸载成本和所述虚假位置任务卸载成本，则确定所述用户为任务卸载执行体；若所述虚假位置任务卸载成本和/或所述真实位置任务卸载成本小于所述本地计算成本，则确定所述服务器为任务卸载执行体；
向所述任务卸载执行体下发任务卸载控制指令。
基于此，本发明的基于移动边缘计算的位置隐私保护方法，应用于用户端，还包括：
接收当前所处维诺格所对应的划分后的维诺图数据；
利用ɛ-地理不可区分性机制生成虚假位置；
利用所述虚假位置与所述边缘节点进行交互；以及，
在进行任务卸载时，用虚假位置代替真实位置。
目前生成虚假位置的方法有很多，最常用的是随机应答机制。虽然随机应答机制满足本地差分隐私的要求，但由于其在位置隐私的不适用，会影响数据可用性，从而导致服务质量的下降。所以本发明选用ɛ-地理不可区分性机制作为虚假位置生成方法。
可选择地，所述利用ɛ-地理不可区分性机制生成虚假位置包括：
根据给定隐私预算和隐私安全等级/>，计算ɛ-地理不可区分性机制的保护范围；
保护范围
根据ɛ-地理不可区分性机制的保护范围调整隐私预算，得到调整后的隐私预算；
调整方式为：，其中，/>表示笛卡尔坐标网格步长单元，/>表示给定隐私预算，/>表示且/>，/>为机器绘制坐标中半径和角度的精确度。
根据调整后的隐私预算，确定圆的半径；
绘制以为圆心，半径为/>，角度为/>的圆；半径又表示为真实位置/>与虚假位置/>之间的距离，角度又表示为真实位置/>与虚假位置/>之间连线与极坐标/>轴之间的夹角，
根据所述圆的半径和角度，生成虚假位置。
即：
其中，表示虚假位置，/>表示真实位置，/>表示圆的半径，/>表示圆的角度。
任务卸载的意义在于利用边缘节点的高资源处理任务使得处理任务的时延和能耗更小。目前学术界具有很多任务卸载策略，其大多根据用户的任务数据大小和计算量与用户到边缘节点的距离分配不同的通信信道和计算资源从而使得任务卸载成本最小。由于需要满足隐私保护要求，用户是以虚假位置代替真实位置进行请求的，这会导致通信信道与计算资源分配不均，边缘节点处理任务时的时延和能耗升高，从而边缘节点服务用户时的服务质量降低。本发明主要探究位置隐私对有任务卸载行为服务质量损失的影响，计算资源按照任务计算量大小比例分配，通信信道按用户到边缘节点的距离比例分配并提出一种评估用户服务质量的方法。
本发明还提供一种基于上述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，所述服务质量评估方法包括：
分别计算本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本；
其中，本地计算成本为：
当用户在有待计算的任务时，为了保护其位置隐私只能选择本地计算或以虚假位置代替真实位置进行任务卸载，且在任务卸载时只与自身安全区域内的边缘节点进行交互。虚假位置任务卸载成本为：
真实位置任务卸载成本为：
其中，和/>为不同的权重参数，/>表示本地处理任务的时延且/>，表示处理任务所需的CPU总周期数，/>表示CPU计算资源，/>表示本地计算的能耗且，/>表示能耗常数，/>和/>表示不同的权重参数，/>表示用户以虚假位置发送请求时的上行延时，/>表示虚假位置在边缘节点中计算产生的时延，/>表示生成虚假位置时产生的延时，/>表示用户以虚假位置发送请求时的上行能耗，/>表示用户以虚假位置发送请求时的回传能耗，/>表示用户传输上行的时延且/>，/>表示任务的数据量大小，/>表示用户的传输速率，/>表示在边缘节点中计算产生的时延且，/>表示处理任务所需要的CPU总周期数，/>表示将边缘节点分配给任务的计算资源，/>表示传输上行的能耗且/>，/>表示用户的信号发射速率，/>表示在边缘节点计算任务的过程中，用户需要保持/>的接收功率等待结算结果的回传，这段的能耗；
根据所述本地计算成本、虚假位置任务卸载成本/>和真实位置任务卸载成本/>，计算服务质量损失包括：
当本地计算成本小于真实位置任务卸载成本且所述真实位置任务卸载成本小于所述虚假位置任务卸载成本时，确定用户的时延能耗损失，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
当虚假位置任务卸载成本小于真实位置任务卸载成本且所述真实位置任务卸载成本小于所述本地计算成本时，确定用户的时延能耗损失，根据所述用户的时延能耗损失，服务质量损失/>；
当真实位置任务卸载成本小于虚假位置任务卸载成本且所述虚假位置任务卸载成本小于所述本地计算成本时，确定用户的时延能耗损失为，根据所述用户的时延能耗损失，确定所述服务质量损失；
当真实位置任务卸载成本小于本地计算成本且所述本地计算成本小于虚假位置任务卸载成本时，确定用户的时延能耗损失为，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
其中，表示第/>个用户，/>和/>表示不同的权重参数，/>表示真实位置和虚假位置之间的距离，即距离损失；/>表示虚假位置，/>表示真实位置。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (10)
1.一种基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述基于移动边缘计算的位置隐私保护方法包括：由云端实施以下方法：
采用维诺图机制将地图划分为多个连续不重复的区域，得到划分后的维诺图数据；其中，每个区域形成为划分后的维诺图数据的维诺格且各维诺格内存在若干用户和唯一边缘节点，各所述边缘节点包括服务器和所述服务器所对应的通信基站；
将各所述维诺格所对应的划分后的维诺图数据分发至各所述维诺格所对应的服务器；
所述服务质量评估方法包括：
分别计算基于位置隐私保护的待计算任务的本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本；
根据所述本地计算成本、虚假位置任务卸载成本/>和真实位置任务卸载成本，计算服务质量损失包括：
当本地计算成本小于真实位置任务卸载成本且所述真实位置任务卸载成本小于所述虚假位置任务卸载成本时，确定用户的时延能耗损失，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
当虚假位置任务卸载成本小于真实位置任务卸载成本且所述真实位置任务卸载成本小于所述本地计算成本时，确定用户的时延能耗损失，根据所述用户的时延能耗损失，服务质量损失/>；
当真实位置任务卸载成本小于虚假位置任务卸载成本且所述虚假位置任务卸载成本小于所述本地计算成本时，确定用户的时延能耗损失为，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
当真实位置任务卸载成本小于本地计算成本且所述本地计算成本小于虚假位置任务卸载成本时，确定用户的时延能耗损失为，根据所述用户的时延能耗损失，确定所述服务质量损失/>；
其中，表示第/>个用户，/>和/>表示不同的权重参数，/>表示真实位置和虚假位置之间的距离，即距离损失；/>表示虚假位置，/>表示真实位置。
2.根据权利要求1所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述采用维诺图机制将地图划分为多个连续不重复的区域，得到划分后的维诺图数据包括：
利用逐点插入法构造维诺图将地图划分为多个连续不重复的区域，得到划分后的维诺图数据。
3.根据权利要求2所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述利用逐点插入法构造维诺图将地图划分为多个连续不重复的区域，得到划分后的维诺图数据包括：
利用边缘节点集合的前三个生成元构建初始三角网；
逐个将边缘节点集合中的剩余生成元插入至所述三角网中；
每插入一个生成元更新一次所述三角网，直到所述边缘节点集合中的所有生成元都插入至所述三角网中，得到最终的三角网；
确定所述最终的三角网中所有三角形的外接圆圆心；
将所述最终的三角网中的共边三角形的外接圆圆心相连，得到维诺格边界集合；
删除所述最终的三角网中三角形的边，得到维诺图；
将所述维诺格边界数据和所述维诺图作为所述划分后的维诺图数据。
4.根据权利要求3所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述每插入一个生成元更新一次所述三角网包括：
将目标生成元插入当前三角网中，
若所述目标生成元被包含在所述当前三角网中具有公共边的两个三角形外接圆中，则将所述公共边标记为多余边并删除所述多余边；
存储删除所述多余边后的三角形的顶点；
连接所述顶点和所述目标生成元，以完成所述当前三角网的更新。
5.根据权利要求1所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述基于移动边缘计算的位置隐私保护方法包括：由服务器端实施以下方法：
接收所述服务器所在维诺格所对应的划分后的维诺图数据以及所述用户发送的任务请求；
根据所述任务请求判断所述用户是否为所述服务器通信范围内用户，若是，将所述服务器所在维诺格所对应的划分后的维诺图数据发送至所述用户，以及，响应所述任务请求并存储所述任务请求中包含的虚假位置信息；否则，不进行数据处理；以及
将所述服务器所在维诺格所对应的划分后的维诺图数据发送至所述维诺格中所有用户。
6.根据权利要求5所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，响应所述任务请求包括：
根据所述虚假位置信息，计算本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本；
根据所述本地计算成本、虚假位置任务卸载成本和真实位置任务卸载成本确定任务卸载执行体；其中，若本地计算成本小于真实位置任务卸载成本和所述虚假位置任务卸载成本，则确定所述用户为任务卸载执行体；若所述虚假位置任务卸载成本和/或所述真实位置任务卸载成本小于所述本地计算成本，则确定所述服务器为任务卸载执行体；
向所述任务卸载执行体下发任务卸载控制指令。
7.根据权利要求5所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述基于移动边缘计算的位置隐私保护方法包括：由用户端实施以下方法：
接收当前所处维诺格所对应的划分后的维诺图数据；
利用ɛ-地理不可区分性机制生成虚假位置；
利用所述虚假位置与所述边缘节点进行交互；以及，
在进行任务卸载时，用虚假位置代替真实位置。
8.根据权利要求7所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述利用ɛ-地理不可区分性机制生成虚假位置包括：
根据给定隐私预算和隐私安全等级，计算ɛ-地理不可区分性机制的保护范围；
调整隐私预算，得到调整后的隐私预算；
根据调整后的隐私预算，确定圆的半径；
绘制以x为圆心，半径为，角度为/>的圆；
根据所述圆的半径和角度，生成虚假位置。
9.根据权利要求8所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，根据所述圆的半径和角度，生成虚假位置包括：
其中，表示虚假位置，/>表示真实位置，/>表示圆的半径，/>表示圆的角度。
10.根据权利要求1-9中任意一项所述的基于移动边缘计算的位置隐私保护方法的服务质量评估方法，其特征在于，所述服务质量评估方法包括：
本地计算成本为：
虚假位置任务卸载成本为：
真实位置任务卸载成本为：
其中，和/>为不同的权重参数，/>表示本地处理任务的时延且/>，/>表示处理任务所需的CPU总周期数，/>表示CPU计算资源，/>表示本地计算的能耗且，/>表示能耗常数，/>和/>表示不同的权重参数，/>表示用户以虚假位置发送请求时的上行延时，/>表示虚假位置在边缘节点中计算产生的时延，/>表示生成虚假位置时产生的延时，/>表示用户以虚假位置发送请求时的上行能耗，/>表示用户以虚假位置发送请求时的回传能耗，/>表示用户传输上行的时延且/>，/>表示任务的数据量大小，/>表示用户的传输速率，/>表示在边缘节点中计算产生的时延且，/>表示处理任务所需要的CPU总周期数，/>表示将边缘节点分配给任务的计算资源，/>表示传输上行的能耗且/>，/>表示用户的信号发射速率，/>表示在边缘节点计算任务的过程中，用户需要保持/>的接收功率等待结算结果的回传，这段的能耗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311388479.6A CN117119444B (zh) | 2023-10-25 | 2023-10-25 | 一种基于移动边缘计算的位置隐私保护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311388479.6A CN117119444B (zh) | 2023-10-25 | 2023-10-25 | 一种基于移动边缘计算的位置隐私保护方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117119444A CN117119444A (zh) | 2023-11-24 |
| CN117119444B true CN117119444B (zh) | 2024-01-16 |
Family
ID=88813264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311388479.6A Active CN117119444B (zh) | 2023-10-25 | 2023-10-25 | 一种基于移动边缘计算的位置隐私保护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117119444B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2602715A1 (en) * | 2011-12-05 | 2013-06-12 | Deutsche Telekom AG | Task subdivision, distribution, and offloading for systems from mobile environments to data centers |
| CN105246072A (zh) * | 2015-09-01 | 2016-01-13 | 重庆邮电大学 | 一种路网环境下的用户位置隐私保护方法和系统 |
| CN110636065A (zh) * | 2019-09-23 | 2019-12-31 | 哈尔滨工程大学 | 一种基于位置服务的位置点隐私保护方法 |
| CN110740473A (zh) * | 2019-10-22 | 2020-01-31 | 中国科学院计算技术研究所 | 一种用于移动边缘计算的管理方法及边缘服务器 |
| CN114356545A (zh) * | 2021-12-07 | 2022-04-15 | 重庆邮电大学 | 一种面向隐私保护与能耗优化的任务卸载方法 |
| CN114629722A (zh) * | 2022-04-19 | 2022-06-14 | 湖南科技大学 | 一种边缘计算环境下基于缓存的双重k-匿名位置隐私保护方法 |
| CN114760308A (zh) * | 2022-04-01 | 2022-07-15 | 中国科学技术大学 | 边缘计算卸载方法及装置 |
| CN114968404A (zh) * | 2022-05-24 | 2022-08-30 | 武汉大学 | 一种位置隐私保护的计算任务分布式卸载方法 |
| CN115665802A (zh) * | 2022-10-31 | 2023-01-31 | 浙江大学 | 一种基于李雅普诺夫优化的计算卸载与资源分配方法 |
| CN115758742A (zh) * | 2022-11-17 | 2023-03-07 | 广东电网有限责任公司中山供电局 | 一种面向配电网边缘计算装置的计算任务优化调度方法 |
| CN115967430A (zh) * | 2022-10-10 | 2023-04-14 | 华北电力大学 | 一种基于深度强化学习的成本最优空地网络任务卸载方法 |
| CN116347519A (zh) * | 2022-12-16 | 2023-06-27 | 北京邮电大学深圳研究院 | 一种兼顾隐私和保密特性的并行卸载方案 |
-
2023
- 2023-10-25 CN CN202311388479.6A patent/CN117119444B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2602715A1 (en) * | 2011-12-05 | 2013-06-12 | Deutsche Telekom AG | Task subdivision, distribution, and offloading for systems from mobile environments to data centers |
| CN105246072A (zh) * | 2015-09-01 | 2016-01-13 | 重庆邮电大学 | 一种路网环境下的用户位置隐私保护方法和系统 |
| CN110636065A (zh) * | 2019-09-23 | 2019-12-31 | 哈尔滨工程大学 | 一种基于位置服务的位置点隐私保护方法 |
| CN110740473A (zh) * | 2019-10-22 | 2020-01-31 | 中国科学院计算技术研究所 | 一种用于移动边缘计算的管理方法及边缘服务器 |
| CN114356545A (zh) * | 2021-12-07 | 2022-04-15 | 重庆邮电大学 | 一种面向隐私保护与能耗优化的任务卸载方法 |
| CN114760308A (zh) * | 2022-04-01 | 2022-07-15 | 中国科学技术大学 | 边缘计算卸载方法及装置 |
| CN114629722A (zh) * | 2022-04-19 | 2022-06-14 | 湖南科技大学 | 一种边缘计算环境下基于缓存的双重k-匿名位置隐私保护方法 |
| CN114968404A (zh) * | 2022-05-24 | 2022-08-30 | 武汉大学 | 一种位置隐私保护的计算任务分布式卸载方法 |
| CN115967430A (zh) * | 2022-10-10 | 2023-04-14 | 华北电力大学 | 一种基于深度强化学习的成本最优空地网络任务卸载方法 |
| CN115665802A (zh) * | 2022-10-31 | 2023-01-31 | 浙江大学 | 一种基于李雅普诺夫优化的计算卸载与资源分配方法 |
| CN115758742A (zh) * | 2022-11-17 | 2023-03-07 | 广东电网有限责任公司中山供电局 | 一种面向配电网边缘计算装置的计算任务优化调度方法 |
| CN116347519A (zh) * | 2022-12-16 | 2023-06-27 | 北京邮电大学深圳研究院 | 一种兼顾隐私和保密特性的并行卸载方案 |
Non-Patent Citations (4)
| Title |
|---|
| Location-Aware Task Offloading for MEC-based High Mobility Service;Haziq Hamzah;2021 International Conference on Information Networking (ICOIN);全文 * |
| 基于地理不可区分性的位置信息保护研究;罗惠雯;《中国优秀硕士学位论文全文数据库》;正文第3.2节 * |
| 毕梦楠.边缘计算中基于本地化差分隐私的隐私保护方法研究.《中国优秀硕士学位论文全文数据库》.2021,正文第4.3节. * |
| 边缘计算中基于本地化差分隐私的隐私保护方法研究;毕梦楠;《中国优秀硕士学位论文全文数据库》;正文第4.3节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117119444A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gao et al. | PPO2: Location privacy-oriented task offloading to edge computing using reinforcement learning for intelligent autonomous transport systems | |
| CN111770073B (zh) | 一种基于区块链技术的雾网络卸载决策和资源分配方法 | |
| Wang et al. | Joint optimization of task offloading and resource allocation based on differential privacy in vehicular edge computing | |
| CHEN et al. | Qos-aware computation offloading in leo satellite edge computing for iot: A game-theoretical approach | |
| CN113407249B (zh) | 一种面向位置隐私保护的任务卸载方法 | |
| Wang et al. | A differentially k-anonymity-based location privacy-preserving for mobile crowdsourcing systems | |
| CN117119444B (zh) | 一种基于移动边缘计算的位置隐私保护方法 | |
| Cao et al. | 3D terrain multiobjective deployment optimization of heterogeneous directional sensor networks in security monitoring | |
| CN111786970B (zh) | 基于缓存的协作式位置模糊化匿名隐私保护方法及系统 | |
| CN115035720B (zh) | 基于卫星定位的交通路况数据采集、处理方法及管理系统 | |
| CN116488906A (zh) | 一种安全高效的模型共建方法 | |
| Qiu et al. | A 3-D topology evolution scheme with self-adaption for industrial Internet of Things | |
| CN111194064B (zh) | 数据传输方法、装置、计算机设备和存储介质 | |
| CN112632818A (zh) | 高阶梯度光滑无网格方法、系统、介质、计算机设备 | |
| Ni et al. | A privacy preserving algorithm based on R-constrained dummy trajectory in mobile social network | |
| CN112464276B (zh) | 一种针对稀疏位置轨迹隐私保护方法 | |
| Yu et al. | Spherical representation and polyhedron routing for load balancing in wireless sensor networks | |
| Zhao et al. | SAC-based UAV mobile edge computing for energy minimization and secure data transmission | |
| Strykhalyk et al. | Synthesis of distributed service-oriented structures cloud networks is based on algorithm for determining hyperbolic virtual coordinates | |
| CN109041065B (zh) | 一种面向两跳多副本自组网的节点信任管理方法 | |
| CN113761555B (zh) | 一种基于智能合约的安全可靠的车联网空间众包任务匹配方法 | |
| Chen et al. | A Privacy-preserving and Energy-efficient Offloading Algorithm based on Lyapunov Optimization. | |
| CN114646814A (zh) | 一种电磁波预测方法、装置及相关设备 | |
| CN115187720A (zh) | 一种基于数字地形分析优化地形渲染的方法 | |
| Xie et al. | A Secure and Efficient Data Sharing Scheme for UAV Networks: Integration of Blockchain and Prospect Theory |
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 |