KR20180067424A - 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법 - Google Patents
개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법 Download PDFInfo
- Publication number
- KR20180067424A KR20180067424A KR1020170167616A KR20170167616A KR20180067424A KR 20180067424 A KR20180067424 A KR 20180067424A KR 1020170167616 A KR1020170167616 A KR 1020170167616A KR 20170167616 A KR20170167616 A KR 20170167616A KR 20180067424 A KR20180067424 A KR 20180067424A
- Authority
- KR
- South Korea
- Prior art keywords
- community
- terminal
- participant
- profile
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000015572 biosynthetic process Effects 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 28
- 230000002708 enhancing effect Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 238000005304 joining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006677 Appel reaction Methods 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011012 sanitization Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/107—Network architectures or network communication protocols for network security for controlling access to devices or network resources wherein the security policies are location-dependent, e.g. entities privileges depend on current location or allowing specific operations only from locally connected terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/30—Transportation; Communications
Abstract
본 발명은 하위 커뮤니티 추천 시스템 및 방법에 관한 것으로, 더욱 상세하게는 암묵적 소셜 그룹인 커뮤니티에서 참가자의 사생활을 보호하면서도 참가자의 성향에 따른 최적의 암묵적 하위 커뮤니티를 검색하여 추천하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법에 관한 것이다.
Description
본 발명은 하위 커뮤니티 추천 시스템 및 방법에 관한 것으로, 더욱 상세하게는 암묵적 소셜 그룹에서 참가자의 사생활을 보호하면서도 참가자의 성향에 따른 최적의 암묵적 하위 커뮤니티를 검색하여 추천하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법에 관한 것이다.
우리의 연결된 사회에서, 추천 서비스는 다양한 어플리케이션의 참가자들에게 전문가를 제공하고 정보를 개인화할 수 있도록 한다.
새로운 종류의 서비스인 소셜 네트워크의 과도한 성장은 "그룹기반 추천 서비스"라 불리는 서비스를 생산했다. 여기서 추천 서비스는 암시적인 사회 그룹 내에서 하위 커뮤니티를 발견하기 위해 이용될 수 있고, 비슷한 선호 또는 흥미를 공유하는 다른 참가자의 다양한 하위 커뮤니티들에 접속하기 위해서 새로운 참가자들에게 하위 커뮤니티들을 소개하는 데 이용될 수 있다.
그럼에도 불구하고, 추천 서비스에서 참가자의 사생활 보호는 참가자들이 이 서비스와 함께 그들이 소유한 데이터를 교환하는 것을 방지하고, 생성된 소개의 정확성을 차례로 억류하는 것을 방지하여야 한다는 관점에서 매우 중요하다.
그래서 정확한 추천을 얻기 위해, 추천 서비스는 각 그룹에서 참가자의 사생활을 보호하기 위한 방편으로 다른 사회 그룹들에서 이전에 잘 알려진 하위 커뮤니티들을 발견할 수 있는 능력을 가져야 한다.
상술한 바와 같이 일반적인 종래의 하위 커뮤니티 추천 시스템은 참가자의 성향을 반영한 하위 커뮤니티를 검색하여 제공하기는 하나 참가자의 사생활을 보호하기 어려운 문제점이 있었다.
또한, 통상적으로 커뮤니티는 교수진이나 직원 등과 같은 공식적인 구조를 가지고 있기 때문에 쉽게 발견할 수 있는 명시적 커뮤니티 및 연구반이나 자동차 공유 그룹과 같이 불안정하고 반영구적인 특성으로 인해 검색하기 어려운 암묵적 커뮤니티로 구분된다. 따라서 하위 커뮤니티 추천 시스템은 명시적 커뮤니티뿐만 아니라 암묵적 커뮤니티 또한 용이하게 검색할 수 있어야 할 것이다.
그러나 종래 하위 커뮤니티 추천 시스템은 명시적 커뮤니티를 쉽게 검색할 수 있으나, 암묵적 커뮤니티는 검색하기 어려운 문제점이 있었다.
Taylor D et al (2009) Privacy concern and online personalization: the moderating effects of information control and compensation. Electron Commer Res 9:203-223
Yang CC et al (2003) Visualization of large category map for Internet browsing. Decis Support Syst 35:89-l02
따라서 본 발명의 목적은 암묵적 소셜 그룹에서 참가자의 사생활을 보호하면서도 참가자의 성향에 따른 최적의 암묵적 하위 커뮤니티를 검색하여 추천하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법을 제공함에 있다.
본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템은: 위치정보를 포함하는 개인 프로파일을 생성하여 저장하고, 상기 개인 프로파일에서 일반화된 정보만을 포함하는 공개 프로파일을 생성하여 저장하며, 요청에 의해 공개 프로파일을 해시 후 제공하여 커뮤니티에 가입하는 적어도 하나 이상의 커뮤니티 단말기; 커뮤니티 형성 요청 신호를 수신받아 상기 커뮤니티 형성 요청 신호에 포함된 커뮤니티 단말기 정보를 포함하는 적어도 하나 이상의 구성원을 포함하는 커뮤니티 그룹에 대한 그룹정보의 회원의 커뮤니티 단말기들로 공개키를 제공하고, 상기 커뮤니티 단말기들로부터 공개키로 암호화된 공개 프로파일을 수집하고, 커뮤니티 그룹의 구성원들에 대해 적어도 하나 이상의 커뮤니티 단말기들을 포함하는 커뮤니티를 생성하는 수퍼피어 단말기; 및 커뮤니티 그룹을 구성하는 구성원 및 구성원의 커뮤니티 단말기 정보를 포함하는 커뮤니티 형성 요청 신호를 받고, 상기 커뮤니티 그룹에서 가장 높은 평판을 가진 참가자의 커뮤니티 단말기를 수퍼피어 단말기로 지정하여 상기 수퍼피어 단말기로 커뮤니티 생성 요청 신호를 제공하는 중앙집중식 추천 서비스부를 포함하되, 상기 커뮤니티 단말기는, 상기 개인 프로파일을 해시한 후 상기 공개키로 암호화한 후 다른 커뮤니티 단말기들과 통신을 수행하여 하위 커뮤니티를 검색하고, 검색된 하위 커뮤니티를 상기 수퍼피어 단말기로 제공하며, 상기 수퍼피어 단말기는, 검색된 하위 커뮤니티를 통지받은 경우, 동일 하위 커뮤니티를 통지받은 커뮤니티 단말기들로 구성되는 하위 커뮤니티를 구성하고, 커뮤니티 단말기들의 구성원 중 대표자를 선출하여 상기 중앙집중식 추천 서비스부 및 상기 대표자의 커뮤니티 단말기로 보고하며, 추후 상기 생성된 하위 커뮤니티의 참여 요청 시 참여 요청한 가입 요청 커뮤니티 단말기의 암호화된 공개 프로파일에 의해 최적의 하위 커뮤니티를 검색하여 제공하는 것을 특징으로 한다.
상기 커뮤니티 단말기는, 유무선 데이터통신망을 통해 다른 커뮤니티 단말기, 수퍼피어 단말기로 지정된 커뮤니티 단말기 및 중앙집중식 추천 서비스부와 데이터 통신을 수행하는 통신부; 적어도 셋 이상의 GPS 위성들로부터 각각의 위치데이터를 수신받아 출력하는 GPS 모듈; 상기 커뮤니티 그룹의 커뮤니티에 참가한 참가자가 가입한 커뮤니티 및 하위 커뮤니티 중 어느 하나 이상에 대해 개인 프로파일 및 공개프로파일을 포함하는 커뮤니티 가입 커뮤니티 단말기 정보 및 하위 커뮤니티 가입 하위 커뮤니티 단말기 정보를 저장하고, 커뮤니티 단말기들의 연결 노드 정보, 개인키 및 공개키를 저장하는 저장부; 및 설정되는 모드에 따라 상기 커뮤니티 단말기 및 수퍼피어 단말기 중 어느 하나로 동작하는 제어부를 포함하는 것을 특징으로 한다.
상기 제어부는, 모드 선택 명령에 따라 수퍼피어 단말기로 동작하는 수퍼피어 모드 및 커뮤니티 단말기로 동작하는 커뮤니티 단말기 모드 중 어느 하나를 설정하는 모드 선택부; 상기 수퍼피어 모드 설정 시 활성화되어 상기 수퍼피어 단말기의 동작을 수행하는 수퍼피어 처리부; 상기 커뮤니티 단말기 모드 설정 시 활성화되어 상기 커뮤니티 단말기의 동작을 수행하는 커뮤니티 구성부; 및 상기 수퍼피어 처리부 및 커뮤니티 구성부 중 어느 하나에 의해 활성화되어 상기 공개키로 암호화된 공개 프로파일에 의해 커뮤니티를 구성하고, 공개키로 암호화된 개인 프로파일에 의해 하위 커뮤니티를 구성하는 EMCP를 포함하는 것을 특징으로 한다.
상기 EMCP는, 상기 개인 프로파일의 정보에서 미리 설정 정의된 일반화된 정보만을 포함하는 공개 프로파일을 생성하고, 개인 프로파일 및 공개 프로파일의 해시 및 암호화 처리하는 로컬 난독화 에이전트; 상기 저장부에 저장된 연결 노드 정보에 따라 상기 통신부를 통해 데이터 통신을 수행하도록 하는 동기화부; 및 상기 암호화된 공개 프로파일에 의한 커뮤니티 가입을 제어하는 PCF 프로토콜, 상기 암호화된 개인 프로파일에 의한 하위 커뮤니티 검색 및 가입을 처리하는 PSD 프로토콜을 실행하는 암호화 에이전트를 포함하는 것을 특징으로 한다.
상기 제어부는, GPS 모듈에 의해 측정된 현재의 위치정보를 상기 개인 프로파일에 포함하여 저장하고, 상기 암호화 에이전트는, 일정 반경을 갖는 은폐물을 형성하고 상기 위치정보를 상기 은폐물 내의 임의의 다른 위치로 변경하고 변경된 위치에 대한 암호화 위치정보를 생성하여 공개 프로파일에 포함시켜 저장하는 SDD 프로토콜을 실행하는 것을 특징으로 한다.
상기 암호화 에이전트는, 상기 PCF 프로토콜에 따라 자신(참가자A) 및 타 참가자(참가자B)의 주사위 유사도를 계산하고, 상기 주사위 유사도의 계산 후 각 참가자의 관심사를 해싱하며, 상기 해싱된 관심사를 포함하는 공개 프로파일을 공개키로 암호화한 후 이전 참가자의 커뮤니티 단말기로부터 수신된 암호화된 공개 프로파일과 함께 다음 참가자의 커뮤니티 단말기로 전송하고, 상기 수퍼피어 단말기는, 상기 연결 노드 정보의 마지막 커뮤니티 단말기의 암호화 에이전트로부터 그룹 전체에 대한 공개 프로파일을 제공받아 개인키로 해독한 후, 상기 유사도가 높은 참가자들을 커뮤니티로 형성하는 것을 특징으로 한다.
상기 암호화 에이전트는, 상기 PSD 프로토콜에 따라 개인 프로파일을 해시하고 , 개인키의 공유와 함께 완전한 공개키를 생성하기 위해 다른 커뮤니티 단말기의 암호화 에이전트와 임계키 생성 프로세스를 수행하여 분산된 임계 값 키에 의한 공개키를 생성하고, 공개키로 해시된 개인 프로파일을 암호화한 후 상기 연결 노드 정보에 따라 다른 커뮤니티 단말기로 암호화 해시 프로파일을 전송하고, 상기 암호화 해시 개인 프로파일을 수신한 암호화 에이전트는, 수신된 암호화 해시 개인 프로파일과 자신의 암호화 해시 개인 프로파일의 유사성 점수(RAB)PK를 하기 수학식 1에 의해 계산하고, 임의의 값 t를 선택하여 하기 수학식 2와 같이 상기 유사성 점수에 곱한 후 상기 연결 노드 정보의 다음 커뮤니티 단말기로 전송하며, 수퍼피어 단말기는, 상기 연결 노드 정보의 마지막 커뮤니티 단말기로부터 최종 유사 점수를 수신하고, 최종 유사값을 계산한 후, 그룹 내의 상호 두 참가자 간의 자카드 유사성 값을 계산하고, 유사성 값이 미리 설정된 기준값(S)보다 같거나 크면 일치를 선언하고, 일치된 유사성 값을 갖는 하위 커뮤니티의 목록을 생성하여 모든 참가자의 커뮤니티 단말기들로 전송하는 것을 특징으로 한다.
[수학식 1]
여기서, EA는 참가자A의 해시된 개인 프로파일, EB는 참가자B의 해시된 개인 프로파일, PK는 공개키, Ei A는 참가자A의 해시된 관심사, Ei B는 참가자B의 해시된 관심사이다.
상기 수퍼피어 단말기는, 상기 목록은 중심도 참가자 공개 프로파일을 나타내는 대표(εi) 및 각 하위 커뮤니티의 암호화된 은폐물의 위치정보를 더 포함하되, 커뮤니티 단말기는, 상기 위치정보를 하위 커뮤니티의 모임장소로 간주하는 것을 특징으로 한다.
상기 연결 노드 정보의 노드는 상기 커뮤니티 단말기들의 링 토폴로지에 따른 연결 정보인 것을 특징으로 한다.
본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법은: 관리자 단말기가 커뮤니티를 구성할 구성원들의 커뮤니티 단말기의 단말기 정보를 포함하는 참가자 정보 및 관리자 정보를 포함하는 커뮤니티 형성 요청 신호를 중앙집중식 추천 서비스부(500)로 전송하는 커뮤니티 형성 요청 과정; 상기 중앙집중식 추천 서비스부가 관리자 단말기로부터 커뮤니티 형성 요청 신호의 수신 시 관리자 검증을 수행하여 검증 성공 시 참가자 정보의 참가자들 중 수퍼피어를 지정하고 수퍼피어의 커뮤니티 단말기인 수퍼피어 단말기로 커뮤니티 형성 요청 신호를 전송하는 수퍼피어 지정 과정; 상기 참가자 정보의 커뮤니티 단말기들이 개인 프로파일을 생성하고, 상기 개인 프로파일의 정보를 일반화한 공개 프로파일을 생성하는 프로파일 생성 과정; 상기 수퍼피어 단말기가 PCF 프로토콜에 따라 상기 커뮤니티 단말기들로부터 해시된 공개 프로파일을 수집하여 유사한 관심사를 갖는 참가자들에 대한 커뮤니티 형성하는 커뮤니티 형성 과정; 임의의 가입 요청 커뮤니티 단말기가 PSD 프로토콜에 따라 상기 커뮤니티의 연결 노드 정보에 따라 상기 커뮤니티의 모든 커뮤니티 단말기들에 대해 두 커뮤니티 단말기 간 통신을 수행하여 하위 커뮤니티를 형성하는 하위 커뮤니티 형성 과정; 수퍼피어 단말기가 상기 연결 노드 정보의 마지막 커뮤니티 단말기로부터 하위 커뮤니티 통지 정보를 수신받고, 형성된 하위 커뮤니티의 대표를 선택하여 상기 커뮤니티 단말기를로 통지하는 하위 커뮤니티 대표 선출 과정을 포함하는 것을 특징으로 한다.
커뮤니티 형성 과정은, 상기 암호화 에이전트가, 상기 PCF 프로토콜에 따라 자신(참가자A) 및 타 참가자(참가자B)의 주사위 유사도를 계산하고, 상기 주사위 유사도의 계산 후 각 참가자의 관심사를 해싱하며, 상기 해싱된 관심사를 포함하는 공개 프로파일을 공개키로 암호화한 후 이전 참가자의 커뮤니티 단말기로부터 수신된 암호화된 공개 프로파일과 함께 다음 참가자의 커뮤니티 단말기로 전송하는 커뮤니티 단말기 간 공개 프로파일 공유 단계; 및 상기 수퍼피어 단말기가, 상기 연결 노드 정보의 마지막 커뮤니티 단말기의 암호화 에이전트로부터 그룹 전체에 대한 공개 프로파일을 제공받아 개인키로 해독한 후, 상기 유사도가 높은 참가자들을 커뮤니티로 형성하는 커뮤니티 형성 단계를 포함하는 것을 특징으로 한다.
상기 암호화 에이전트가, 상기 PSD 프로토콜에 따라 개인 프로파일을 해시하고 , 개인키의 공유와 함께 완전한 공개키를 생성하기 위해 다른 커뮤니티 단말기의 암호화 에이전트와 임계키 생성 프로세스를 수행하여 분산된 임계 값 키에 의한 공개키를 생성하고, 공개키로 해시된 개인 프로파일을 암호화한 후 상기 연결 노드 정보에 따라 다른 커뮤니티 단말기로 암호화 해시 개인 프로파일을 전송하고, 상기 암호화 해시 개인 프로파일을 수신한 암호화 에이전트는, 수신된 암호화 해시 개인 프로파일과 자신의 암호화 해시 개인 프로파일의 유사성 점수(RAB)PK를 하기 수학식 1에 의해 계산하고, 하기 수학식 2와 같이 임의의 값 t를 선택하여 상기 유사성 점수에 곱한 후 상기 연결 노드 정보의 다음 커뮤니티 단말기로 전송하는 암호화 해시 개인 프로파일 공유 단계; 및 수퍼피어 단말기가, 상기 연결 노드 정보의 마지막 커뮤니티 단말기로부터 최종 유사 점수를 수신하고, 최종 유사값을 계산한 후, 그룹 내의 상호 두 참가자 간의 자카드 유사성 값을 계산하고, 유사성 값이 미리 설정된 기준값(S)보다 같거나 크면 일치를 선언하고, 일치된 유사성 값을 갖는 하위 커뮤니티의 목록을 생성하여 모든 참가자의 커뮤니티 단말기들로 전송하는 하위 커뮤니티 생성 단계를 포함하는 것을 특징으로 한다.
[수학식 1]
여기서, EA는 참가자A의 해시된 개인 프로파일, EB는 참가자B의 해시된 개인 프로파일, PK는 공개키, Ei A는 참가자A의 해시된 관심사, Ei B는 참가자B의 해시된 관심사이다. 한다.
본 발명은 암묵적 소셜 그룹인 커뮤니티 내에서 위치기반 최적의 하위 커뮤니티를 검색하여 제공할 수 있는 효과를 갖는다.
또한, 본 발명은 위치기반 하위 커뮤니티를 추천하면서도 참가자의 사생활을 보호할 수 있는 효과를 갖는다.
또한, 본 발명은 커뮤니티 단말기들이 링 토폴로지 형태로 구성되므로 수퍼피어 단말기의 병목형상을 방지하고 계산 오버헤드를 줄일 수 있는 효과를 갖는다.
도 1은 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템의 구성을 나타낸 도면이다.
도 2는 본 발명에 따른 하위 커뮤니티 추천 시스템의 커뮤니티 단말기의 구성을 나타낸 도면이다.
도 3은 본 발명에 따른 하위 커뮤니티 추천 시스템의 공동 개인정보 강화부의 상세 구성을 나타낸 도면이다.
도 4는 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법을 나타낸 절차도이다
도 5는 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법의 커뮤니티 구성 방법을 나타낸 절차도이다.
도 6은 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법의 하위 커뮤니티 검색 방법을 나타낸 절차도이다.
도 7은 본 발명에 따라 서로 다른 하위 커뮤니티를 추출하는 데 소요되는 실행 시간을 나타낸 도면이다.
도 8은 본 발명에 따른 CRS 솔루션의 그룹핑 에러를 나타낸 그래프이다.
도 9는 본 발명에 따른 CRS 솔루션의 크리티컬 에러를 나타낸 그래프이다.
도 10은 공개된 관심사 및 하위 커뮤니티 참가자의 다양한 수의 개인 정보 보호 이득을 나타낸 도면이다.
도 11은 본 발명에 따른 평균 개인정보 보호 레벨에 따른 하위 커뮤니티 수의 백분율을 나타낸 그래프이다.
도 12는 서로 다른 개인정보보호 레벨을 가지는 선호도/관심사 데이터 및 위치를 결합했을 때 발생하는 레퍼럴(refferals)의 정확도를 나타낸 그래프이다.
도 13은 레퍼럴에서 에러 대비 개인정보 보호율을 나타낸 그래프이다.
도 14는 증가하는 반복 횟수로 달성한 개인정보 보호에 대한 여러 참가자의 NEP 컨버전스를 나타낸 그래프이다.
도 2는 본 발명에 따른 하위 커뮤니티 추천 시스템의 커뮤니티 단말기의 구성을 나타낸 도면이다.
도 3은 본 발명에 따른 하위 커뮤니티 추천 시스템의 공동 개인정보 강화부의 상세 구성을 나타낸 도면이다.
도 4는 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법을 나타낸 절차도이다
도 5는 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법의 커뮤니티 구성 방법을 나타낸 절차도이다.
도 6은 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법의 하위 커뮤니티 검색 방법을 나타낸 절차도이다.
도 7은 본 발명에 따라 서로 다른 하위 커뮤니티를 추출하는 데 소요되는 실행 시간을 나타낸 도면이다.
도 8은 본 발명에 따른 CRS 솔루션의 그룹핑 에러를 나타낸 그래프이다.
도 9는 본 발명에 따른 CRS 솔루션의 크리티컬 에러를 나타낸 그래프이다.
도 10은 공개된 관심사 및 하위 커뮤니티 참가자의 다양한 수의 개인 정보 보호 이득을 나타낸 도면이다.
도 11은 본 발명에 따른 평균 개인정보 보호 레벨에 따른 하위 커뮤니티 수의 백분율을 나타낸 그래프이다.
도 12는 서로 다른 개인정보보호 레벨을 가지는 선호도/관심사 데이터 및 위치를 결합했을 때 발생하는 레퍼럴(refferals)의 정확도를 나타낸 그래프이다.
도 13은 레퍼럴에서 에러 대비 개인정보 보호율을 나타낸 그래프이다.
도 14는 증가하는 반복 횟수로 달성한 개인정보 보호에 대한 여러 참가자의 NEP 컨버전스를 나타낸 그래프이다.
이하 첨부된 도면을 참조하여 본 발명의 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템의 구성 및 동작을 설명하고, 개인정보 보호 강화 방법을 통해 개인정보 보호를 강화하면서 신규 참가자에게 최적의 하위 커뮤니티를 추천하는 하위 커뮤니티 추천 방법 및 을 설명한다.
도 1은 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템의 구성을 나타낸 도면이다.
도 1을 참조하면, 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템은 둘 이상의 커뮤니티 단말기(102)를 포함하는 적어도 하나의 커뮤니티 그룹(10) 및 중앙 집중식 추천 서비스부(Community-based Recommend Service: CRS)(500)를 포함하며, 실시예에 따라 관리자 단말기(104)를 더 포함할 수 있을 것이다.
상기 수퍼피어 단말기(101), 커뮤니티 단말기(102), 가입 요청 커뮤니티 단말기(103), 관리자 단말기(104) 및 중앙 집중식 추천 서비스부(500)는 유무선 데이터통신망(600)을 통해 유선 및 무선 중 어느 하나로 연결되어 상호 데이터 통신을 수행한다.
상기 유무선 데이터통신망(600)은 와이파이(WiFi)망을 포함하는 인터넷망, 3세대(3 Generation: 3G), 4G, 5G 등의 이동통신망, 와이브로망 등 중 적어도 하나 이상이 결합되어 있는 통신망이다.
하나의 커뮤니티 그룹(10) 내에서 커뮤니티 단말기(102)들 중 적어도 하나는 중앙집중식 추천 서비스부(500)로부터 수퍼피어로 지정되는 커뮤니티 수피피어 단말기(101)가 되어야 한다.
또한, 상기 커뮤니티 그룹(10)에 가입하지 않은 가입 요청 커뮤니티 단말기(103)를 더 포함할 수 있을 것이다.
상기 수퍼피어 단말기(101), 커뮤니티 단말기(102) 및 가입 요청 커뮤니티 단말기(103)는 스마트폰, 스마트패드, 아이폰, 아이패드 등으로 불리고 무선데이터 통신을 수행하며, 자신의 위치를 측정할 수 있는 모바일 단말기가 될 수 있을 것이다. 즉, 수퍼피어 단말기(101), 커뮤니티 단말기(102) 및 가입 요청 커뮤니티 단말기(103)는 모바일 단말기의 동작 모드에 따라 구분된다.
커뮤니티 그룹(10) 내의 적어도 둘 이상의 커뮤니티 단말기(102)들은 자시의 관심사에 따른 적어도 하나 이상의 하위 커뮤니티(그룹)에 가입할 수 있을 것이다.
수퍼피어 단말기(101) 및 커뮤니티 단말기(102)는 참가자들의 개인정보를 보호하면서도 커뮤니티 및 하위 커뮤니티를 형성하는 향상된 공동 작업 프라이버시(Enhanced Middleware for Collaborative Privacy: EMCP) 모듈을 포함한다. EMCP의 상세 동작은 다음의 도 2 및 도 3을 참조하여 상세히 설명한다.
수퍼피어 단말기(101)를 포함하는 커뮤니티 단말기(102)들은 또한 글로벌 포지셔닝 시스템(Global Positioning System: GPS) 모듈을 구비하여 적어도 셋 이상의 GPS 위성들 각각으로부터 각각의 위치 데이터를 수신하여 자신의 현재 위치를 계산하며, 계산된 현재 위치를 저장한다.
본 발명에 따라 커뮤니티 단말기(102)는 현재의 위치 정보, 관심사, 참가자 정보 등을 포함하는 개인 프로파일(Profile)을 생성하며, 개인 프로파일 중 민감한 참가자의 정보를 제외하여 일반화한 공개 프로파일을 생성한다. 구체적으로 상기 참가자가 학생인 경우, 상기 참가자 정보는 참가자의 출생 도시, 거주지 주소 및 강의 프로파일 등을 포함할 수 있을 것이다. 또한, 상기 개인 프로파일은 다양한 하위 커뮤니티에 가입하기 위한 다른 관심사, 선호도 등이 포함될 수도 있을 것이다.
수퍼피어 단말기(101) 및 커뮤니티 단말기(102)는 커뮤니티를 구성하기 위한 사설 공동체 형성(Private Community Formation: PCF) 프로토콜, 하위 커뮤니티를 검색하기 위한 개인 하위 커뮤니티 검색(Private Sub-community Discovery: PSD) 및 참가자의 위치, 하위 커뮤니티의 모임 장소를 감지하면 개인의 위치를 암호화하기 위한 보안 거리 검출(Secure Distance Detection: SDD) 프로토콜이 적용된다. 상기 프로토콜은 후술할 도 4 내지 도 6을 참조하여 상세히 설명한다.
수퍼피어 단말기(101)를 포함하는 커뮤니티 단말기(102)들은 링 토폴로지 또는 계층적 토폴로지의 형태로 연결되어 통신하도록 구성되는 것이 바람직할 것이다.
가입 요청 커뮤니티 단말기(103)는 커뮤니티 단말기(102)로서 커뮤니티에 가입된 참가자의 커뮤니티 단말기(102)일 수도 있고, 커뮤니티에 가입되지 않은 참가자의 커뮤니티 단말기(102)일 수도 있을 것이다.
관리자 단말기(114)는 커뮤니티 그룹의 생성을 요청하는 커뮤니티 단말기(102)가 될 수도 있고, 별도의 단말기가 될 수도 있을 것이다. 예를 들어 관리자 단말기(114)는 교수진의 단말기가 될 수 있으며, 다양한 주제와 활동을 토대로 각기 다른 상호 작용 공간이 있는 커뮤니티의 제안, 즉 커뮤니티의 생성을 중앙집중식 추천 서비스부(500)에 요청할 수 있을 것이다.
중앙집중식 추천 서비스부(CRS)(500)는 관리자 단말기(114)로부터 제공되는 커뮤니티에 대한 소개를 제공하며, 관리자 단말기(114)로부터 커뮤니티 그룹(10)을 형성한 참가자들의 참가자정보 및 관리자 정보를 포함하는 커뮤니티 형성 요청 신호의 수신 시 상기 참가자정보의 참가자들 중 가장 높은 평판을 가진 참가자를 선택하고, 선택된 참가자를 수퍼피어로 지정하며, 수퍼피어의 커뮤니티 단말기(102)를 수퍼피어 단말기(101)로 지정한다. 상기 평판은 해당 관심사에 대한 관심도, 성적 및 참가자들간 인기 등이 될 수 있을 것이다. 상기 관심도는 해당 참가자의 해당 그룹의 분야에 대한 활동내역 등에 의해 계산될 수 있으며, 상기 관심도 계산 자체는 이 기술분야에서 잘 알려진 기술이므로 그 상세한 설명을 생략한다. 상기 활동내역 및 인기 등은 관리자가 제공하는 정보에 의해 결정될 수 있을 것이다. 예를 들어 상기 관리자가 교수진이고, 참가자들이 학생인 경우 교수들은 학생들에 대한 참가자정보의 제공 시 참가자정보에 상기 학생들의 평판은 판단할 수 있는 관심 분야의 성적, 관심도를 측정할 수 있는 정보, 인기도 판단 정보 등을 포함하여 제공할 수 있을 것이다.
중앙집중식 추천 서비스부(500)는 수퍼피어 및 수퍼피어 단말기(101)를 지정한 후 수퍼피어 단말기(101)로 커뮤니티 참가자정보를 포함하는 형성 요청 신호를 전송하며, 그에 따라 생성된 커뮤니티에 대한 정보 및 하위 커뮤니티에 대한 정보를 수신받아 저장하여 관리할 수 있을 것이다.
도 2는 본 발명에 따른 하위 커뮤니티 추천 시스템의 커뮤니티 단말기의 구성을 나타낸 도면이다. 즉 도 2는 본 발명에 따른 모바일 단말기의 구성을 나타낸 도면이다. 이하 설명에서 커뮤니티 단말기(102)를 기준으로 설명한다.
본 발명에 따른 커뮤니티 단말기(102)는 제어부(110), 저장부(120), 디스플레이부(130), 입력부(140), 통신부(150) 및 GPS 모듈(160)을 포함한다.
저장부(120)는 본 발명에 따른 제어프로그램을 저장하는 프로그램 영역, 상기 제어프로그램에 따른 동작 수행 중 발생하는 데이터를 일시 저장하는 임시 영역 및 상기 제어프로그램의 제어 따라 필요한 정보 및 발생되는 데이터를 반영구적으로 저장하는 데이터영역을 포함한다.
상기 데이터영역에는 피어리스트 저장부(21), 노드 저장부(22), 암호화키 저장부(23), 정책 저장부(24), 학습 저장부(25) 및 개인정보 선호도 저장부(26) 등을 포함할 수 있을 것이다.
상기 피어리스트 저장부(21)는 커뮤니티 단말기(102)를 소유한 참가자가 가입한 커뮤니티 및 하위 커뮤니티 중 어느 하나 이상에 대해 가입된 단말(Peer)인 커뮤니티 단말기(102)들에 대한 커뮤니티 가입 커뮤니티 단말기 정보 및 하위 커뮤니티 가입 커뮤니티 단말기 정보 중 어느 하나 이상을 포함하는 리스트 정보를 저장한다. 상기 커뮤니티 가입 커뮤니티 단말기 정보 및 하위 커뮤니티 가입 커뮤니티 단말기 정보는 각 커뮤니티 단말기(102)에 대한 SDD 프로토콜에 따른 위치정보를 저장하며, 상기 위치정보는 항상 최신으로 업데이트될 것이다.
노드 저장부(22)는 본 발명에 따라 링 토폴로지 또는 계층적 토폴로지로 구성되는 커뮤니티 단말기의 연결 노드 정보를 저장하며, 연결 노드 정보를 동기화되는 커뮤니티 및 하위 커뮤니티에 참가한 참가자들에 대한 참가자자의 프로파일에서 모든 업데이트에 대한 일반화된 항목을 저장한다.
암호화키 저장부(23)는 자신의 개인키, 자신의 공개키와 커뮤니티 및 하위 커뮤니티에 가입된 참가자의 커뮤니티 단말기(102)로 제공하는 공개키 등을 저장한다.
정책 저장부(24)는 본 발명에 따른 참가자의 개인 기본 설정정보 및 개인정보 보호 정책 정보를 저장한다. 개인정보 보호 정책은 참가자의 개인정보를 보호하기 위한 다양한 규칙들 및 특정 규칙 발생 시 해당 규칙에 대한 취할 조치를 정의하며, 참가자의 개인정보 중 노출시킬 정보와 숨길 정보 등을 정의한다.
디스플레이부(130)는 제어부(110)의 제어를 받아 커뮤니티 단말기(102)의 동작상태 정보를 표시하며, 다양한 정보들을 텍스트, 그래픽, 영상 등으로 표시한다.
입력부(140)는 특정 기능을 실행하는 복수의 버튼을 구비하는 버튼입력장치, 다수의 기능, 문자 등을 입력 및 선택할 수 있는 다수의 키들을 포함하는 키입력장치, 상기 디스플레이부(130)의 화면에 일체로 구성되어 터치되는 화면 상의 위치정보를 출력하도록 구성되어 상기 화면에 표시되는 사용자 인터페이스 수단과 그 위치에 대응하는 위치정보의 출력 시 해당 기능 및 문자를 입력할 수 있도록 하는 터치패드 등 중 적어도 하나 이상을 포함한다. 상기 입력부(140)는 마이크를 구비하여 사용자로부터 음성 입력받는 오디오 입력 장치 및 영상(제스처 등)을 획득하여 출력하는 영상 획득 장치(카메라) 등을 포함할 수도 있을 것이다.
통신부(150)는 상기 유무선 데이터통신망(600)에 무선으로 접속하여 유무선 데이터통신망(600)에 연결된 다른 장치들과 데이터 통신을 수행한다.
GPS 모듈(160)은 해당 커뮤니티 단말기(102)의 현재 위치를 계산하기 위해 24개의 GPS 위성들 중 적어도 셋 이상의 GPS 위성 각각으로부터 자신의 고유한 위치데이터를 수신하여 제어부(110)로 출력한다.
제어부(110)는 모드 선택부(111), 수퍼피어 처리부(112), 커뮤니티 구성부(113), EMCP(114) 및 커뮤니티 실행부(114)를 포함한다.
모드 선택부(111)는 입력부(140)로부터 입력되는 모드 선택 명령에 따라 수퍼피어 모드, 커뮤니티 단말 모드, 커뮤니티 가입 단말 모드를 설정한다. 상기 수퍼피어 모드는 중앙집중식 추천 서비스부(500)로부터 수퍼피어로 지정하는 커뮤니티 형성 요청 신호의 수신 시 설정될 수 있을 것이다.
수퍼피어 처리부(112)는 수퍼피어 모드 설정 시 활성화되며, 수퍼피어 모드에서 수퍼피어에 따른 동작을 수행한다.
구체적으로, 수퍼피어 처리부(112)는 해시된 공개 프로파일을 수집하여 집계하고, PCF 프로토콜에 따른 커뮤니티를 생성한다.
또한, 수퍼피어 처리부(112)는 커뮤니티 단말기(102)들 간의 피어 투 피어(Peer to Peer: 또는 "단말 대 단말"이라 함) 통신에 의해 구성된 하위 커뮤니티에 대한 하위 커뮤니티 구성 정보를 포함하는 하위 커뮤니티 구성 통지 신호를 수신받으면 하위 커뮤니티 구성정보의 하위 커뮤니티 구성 참가자 정보에 의해 대표자를 선출하고, 이에 대한 하위 커뮤니티 구성정보를 저장하며 중앙집중식 추천 서비스부(500)로 통지한다.
또한, 수퍼피어 처리부(112)는 가입 요청 커뮤니티 단말기(103)로부터 하위 커뮤니티 참여 요청 신호의 수신 시 EMCP를 활성화하여 가입 요청 커뮤니티 단말기(103)가 최적의 하위 커뮤니티를 찾을 수 있도록 한다.
커뮤니티 구성부(113)는 커뮤니티 단말기 모드에서 활성화되어 PCF 프로토콜에 따라 수퍼피어 단말기(101)와 통신을 수행하여 커뮤니티를 구성한다.
EMCP(114)는 본 발명에 따라 다양한 참가자 간의 데이터 공유를 촉진하고, 커뮤니티 및 하위 커뮤니티를 구축하며, 하위 커뮤니티를 추출하는 과정에서 암호화된 데이터를 계산한다.
상기 EMCP(114)는 암호화를 위해 개인 공동체 형성(PCF) 프로토콜을 통한 커뮤니티 구성, 하위 커뮤니티 구성을 위한 개인 하위 커뮤니티 발견(PSD) 프로토콜, 안전한 거리 탐지(SDD) 프로토콜을 적용한다.
상기 참가자가 학생인 경우를 예를 들어 프로토콜에 대해 설명한다.
우선, PCF 프로토콜에 대해 설명하면, EMCP(114)는 PCF 프로토콜을 사용하여 참가자, 즉 학생들의 커뮤니티 단말기(102)들과 피어 투 피어 통신을 수행하여 공개 프로파일을 수집하고, 수집된 공개 프로파일을 집합된 일반 커뮤니티로 분류한다. 각 일반 커뮤니티에는 동일한 관심사를 공유하는 다양한 참가자를 포함한다. 학생은 자신들의 커뮤니티 단말기(102)를 통해 개인 프로파일을 기반으로 생성된 다양한 공개 프로파일을 사용하여 여러 커뮤니티에 가입할 수 있다.
PCF는 커뮤니티를 형성 할 때 및 공개 프로파일이 사용 가능한 커뮤니티 목록과 일치할 때 참가자의 프로파일의 사생활을 보장한다. PCF 프로토콜은 다음과 같이 요약 할 수 있다.
1) 모든 참가자(v∈V)와 관심사 집합 l에 대해, 참가자(v)는 참가자(V)의 관심사(i)의 관심 여부(Pvi) = 1 및 0이외의 관심(i∈I)을 갖는 것을 의미한다. 본 발명의 PCF는 주사위 유사도 계산 방식을 활용하여 두 참가자의 프로파일 간의 친밀도를 측정한다.
EMCP(114)는 두 단계로 주사위 유사도를 계산한다.
첫 번째 단계, 참가자 vA와 vB 간의 분자 |vIA∩vIB|를 계산 한 다음, 두 번째 단계로 분모 |vIA|2+|vIB|2를 계산한다.
2) 슈퍼피어를 선택한 후에, EMCP(114)는 링 토폴로지를 통해 모든 두 참가자의 공개 프로파일 간의 분자(숫자)를 계산한다. 참여하고자 하는 참가자는 각 관심사가 두 개의 속성(Nj, Uj)로 정의되는 관심사{Ij}1≤j≤m을 해시할 필요가 있다. Nj는 항목의 이름이고, Uj는 항목의 사용자 등급을 나타내는 값이다.
집합 {Vi}1≤i≤P 인 반면, 속성 집합 {Nj}1≤j≤m은 다른 값을 갖는 것으로 알려져 있다. 부분 집합 추출 후, 참가자 B(vB)의 커뮤니티 단말기(102)에서 호스팅되는 EMCP(114)는 |VIb|2를 계산 한 다음 수퍼피어 단말기(101)로부터 제공받은 공개키를 사용하여 이 값을 자신의 가명 신원과 함께 암호화한 다음, 참가자 A(vA)의 공개 프로파일과 함께 그룹의 다음 참가자에게 전달한다.
수퍼피어 단말기(101)에서 활성화된 EMCP(114)는 상술한 모든 결과를 수집하고 개인키로 해독한 후, 상기 유사도가 높은 참가자들을 커뮤니티로 형성하여 커뮤니터로 클러스터하기 시작한다.
참가자는 공개 프로파일을 기반으로 여러 커뮤니티에 속할 수 있다.
수퍼피어 단말기(101)의 EMCP(114)는 S-seeds 클러스터링 알고리즘을 수행하여 해시된 공개 프로파일 간의 유사도 스코어를 기반으로 커뮤니티를 식별한다.
개인 하위 커뮤니티 발견(PSD) 프로토콜에 대해 설명하면, EMCP(114)는 PSD 프로토콜을 사용하여 첫 번째 프로토콜(PCF)을 기반으로 형성된 일반 커뮤니티에서 하위 커뮤니티를 추출한다. PSD는 참가자인 학생들의 개인 프로파일 내의 관심사와 일치시키기 위해 양방향으로 실행된다. 이 프로토콜의 최종 결과는 하위 커뮤니티를 만들고 추천하는 데 사용된다.
PSD는 다음과 같이 요약 할 수 있다.
참가자 A(vA)와 B(vB)의 각 커뮤니티 단말기(102)는 해시 함수(lsh)를 적용하여 개인 프로파일 DA와 DB를 인코딩하여 인코딩 개인 프로파일, EA = lsh(DA)와 EB = lsh(DB)를 생성한다.
한편, 임의의 커뮤니티(C)의 각 참가자의 커뮤니티 단말기(102)의 EMCP(114)는 개인키(SK)의 공유와 함께 완전한 공개키(PK)를 생성하기 위해 다른 참가자와 분산된 임계 값 키 생성 프로세스를 수행한다.
참가자 A(vA)는 자신의 해시 프로파일(EA)을 독립적으로 암호화한 공개키 암호화 해시 프로파일(PK(EA)PK)을 커뮤니티 C의 다른 참가자에게 보낸다. 간단히 하기 위해 참가자 A(vA)가 참가자 B(vB)에게 데이터를 전송한다고 가정한다.
참가자 B(vB)는 다음의 수학식 1과 같은 유사성 점수 (RAB)PK를 계산한다:
또한 참가자 B(vB)의 커뮤니티 단말기(102)의 EMCP(114)는 임의의 값 t를 선택하고 하기 수학식 2와 같이 유사성 점수를 계산한 다음, 그 결과를 다음 이웃 사람에게 보내고 최종 참가자에게 도달하여 마지막 결과를 해당 그룹의 슈퍼피어 단말기(101)로 전송한다.
슈퍼피어 단말기(101)의 EMCP(114)는 암호화된 값을 수신하고, 타 수퍼피어 단말기(101)의 EMCP(114)와 공동 작업하여 이러한 값을 암호 해독하지 않고 전체 커뮤니티 구성원의 최종 유사 값을 계산하기 시작한다.
수퍼피어 단말기(101)의 EMCP(114)는 복호화 프로세스를 통해 개인키를 생성하기 위해 공동체 구성원들, 즉 타 수퍼피어 단말기(101) 및 커뮤니티 단말기(102)들 간의 협력을 요구하기 때문에 참가자들의 프로파일의 개인정보가 보존된다. 따라서 수퍼피어 단말기(101) 간의 협업은 결코 개인키의 생성을 가져 오지 않는다.
각 수퍼피어 단말기(101)는 == (0)PK와 같은 값의 수를 계산하여 IA ∩ BI를 계산하기 시작한다.
그 후에, 각각의 슈퍼피어 단말기(101)의 EMCP(114)는 자카드 유사성 IA∩ BI/IA∪BI를 사용하여 참가자 A와 참가자 B사이의 유사성 값을 계산한다.
유사성 값이 ≥S이면 EMCP(114)는 일치를 선언한다.
프로토콜의 마지막에서 수퍼피어 단말기(101)는 각 하위 커뮤니티(ci)가 최소 유사도 값 Si와 중심도 참가자 공개 프로파일을 나타내는 대표(εi)를 갖도록 하위 커뮤니티 ∀m i=1[εi, Si]의 목록을 공식화한다. 이 하위 커뮤니티 내의 모든 관심사를 나타내는 데 사용할 수 있는 일련의 관심사를 보유한다.
이 프로파일의 위치 데이터는 이 하위 커뮤니티의 모임 장소로 간주될 것이다.
수퍼피어 단말기(101)는 이 목록을 CRS(500) 및 다른 커뮤니티 단말기(102)들로 제공한다.
상술한 PCF 및 PSD 프로토콜은 보안성이 증명되어야 한다.
따라서 참가자의 수퍼피어 단말기(101) 및 커뮤니티 단말기(102)는 편차없이 프로토콜의 규칙을 올바르게 준수하여야 할 것이다.
참가자의 커뮤니티 단말기(102)는 계산의 모든 중간 값을 기록 할 수 있다는 점을 제외하고 참가자로부터 정확한 입력을 제공받아야 한다. 상기 공개 프로파일은 원시 프로파일(개인 프로파일)의 해시 일반화된 버전이고 개인 프로파일이 해시 된 후 임계 값 키로 암호화되므로 상대방에 대한 추가 정보를 얻을 수 없다.
어떠한 커뮤니티 단말기(102)도 암호 해독키를 가지고 있지 않다. 하위 커뮤니티 자체는 중심 값과 유사도 값을 사용하여 표현된다. 또한 공개 및 개인 프로파일은 CRS(500)로 직접 전송되지 않는다.
세 번째로, 보안 거리 탐지(SDD) 프로토콜에 대해 설명하면, 보안 거리 탐지(SDD) 프로토콜은 참가자들의 커뮤니티 단말기(102)가 실제 위치를 공개하지 않고 주변의 하위 커뮤니티를 직접 탐지 할 수 있도록 은폐전략과 보안 다중 계산을 결합한다. 따라서 참가자의 커뮤니티 단말기(102)는 최소 위치 업데이트로 자신의 프로파일에 맞는 것을 선택할 수 있다.
상기 은폐전략은 다음과 같이 사용된다.
각 참가자의 커뮤니티 단말기(102)는 자신의 현재 위치 주변의 특정 반경을 가진 원을 설정한다. 상기 원을 은폐물(cloak)이라고 한다.
상기 은폐물은 참가자의 커뮤니티 단말기(102)의 위치를 ????대표하는 이 원형 내의 부정확한 위치를 활용하여 실제 위치를 숨긴다.
위치 데이터가 필요한 추가 계산은 이 부정확한 위치를 사용한다. 따라서 밝혀진 유일한 정보는 이 부정확한 위치이다.
보안 다중 계산은 참가자의 위치와 특정 공간 내의 가까운 하위 커뮤니티 간의 거리를 계산하는 데 사용된다.
SDD는 커뮤니티 단말기(102)의 실제 위치를 공개하지 않고 각 참가자의 커뮤니티 단말기(102)와 하위 커뮤니티 대표의 커뮤니티 단말기(102) 간의 거리를 계산하는 데 활용한다.
각 하위 커뮤니티의 대표의 커뮤니티 단말기(102)는 현재 위치 lci 주위에 반경 RC가 있는 원(은폐물)을 설정한다. mi 멤버 '위치 ∀m i-1lpi와 현재 위치 lg 사이의 거리는 특정 거리 DCi 아래로 떨어지는 것을 보장한다.
여기서, DCi≤RCi 일 때, 즉 이 하위 커뮤니티의 회원의 커뮤니티 단말기(102)가 이 은폐물 내에서 이동할 때, 업데이트가 필요하지 않으며, 카테고리는 "닫기"상태로 유지된다. 참가자의 커뮤니티 단말기(102)가 Dci보다 더 큰 움직임을 보이는 경우,상기 커뮤니티 단말기(102)는 이 업데이트에 대해 하위 커뮤니티 대표의 커뮤니티 단말기(102)로 통지한다. SDD 프로토콜은 다음과 같이 요약 될 수 있다.
1. 참가자(Pi)의 커뮤니티 단말기(102)의 제어부(110)는 CRS(500)로부터 목록을 얻은 후, EMCP(114)를 활성화하고, 활성화된 EMCP(114)는 자신의 현재 위치 lPi를 중심으로 반경 RPi를 갖는 원인 은폐물을 설정한 다음, 키 쌍 (EPi, DPi)을 생성한다.
또한 EMCP(114)는 상기 은폐물 내의 부정확 한 위치 lpi를 선택하여 소유자의 현재 위치를 설정한다.
그런 다음 EMCP(114)는 
를 계산하여 상기 하위 커뮤니티의 목록의 각 담당자, 즉 대표의 커뮤니티 단말기(102)로 
를 전송한다.
2. 각 대표의 커뮤니티 단말기(102)의 EMCP(114)는 소정의 원 
로부터 부정확한 위치를 무작위로 생성하고, 또한 2 개의 난수 o, o1을 선택한다.
EMCP(114)는 
와 
를 계산하기 시작한다.
마지막으로, 대표의 커뮤니티 단말기(102)의 EMCP(114)는 하위 커뮤니티의 참가자(Pi)의 커뮤니티 단말기(102)로 (a, b)를 전송한다. 여기서, 
이다.
3. 참가자 커뮤니티 단말기(102)의 EMCP(114)는 (a, b)을 받으면 a를 해독하여 D (a) =
를 얻고, 난수 Z를 생성한다.
다음으로, EMCP(114)는 
를 계산하고, g = h ?? o를 계산하기 위해 대표자의 커뮤니티 단말기(102)로 h를 전송한다.
대표자의 커뮤니티 단말기(102)는 값 g를 다시 참가자의 커뮤니티 단말기(102)로 제공할 것이다.
4. 참가자의 커뮤니티 단말기(102)의 EMCP(114)는 소유자의 공개 위치와 대표자 커뮤니티 단말기(102)의 위치와의 거리를 
에 의해 계산한다.
그런 다음 참가자의 커뮤니티 단말기(102)의 카테고리는 "닫기"로 변경되고, 그렇지 않으면 "분리된"상태로 유지한다.
5. 새로운 참가자의 가입 요청 커뮤니티 단말기(103)가 목록에서 유사한 하위 커뮤니티 집합을 획득하면 가입 요청 커뮤니티 단말기(103)의 EMCP(114)는 SDD 프로토콜을 실행하여 소유자의 현재 위치에서 해당 거리를 파악한다.
SDD 프로토콜은 위치의 사생활을 보호하기 위해 다른 참가자의 커뮤니티 단말기(102)가 제공한 위치 간의 거리를 결정할 수 있다. DCi 값이 높을수록 개인정보 보호 레벨이 높아집니다. SDD 프로토콜에 따르면, 최소한의 위치 갱신이 각 하위 커뮤니티의 구성원에게 요구되기 때문에, 그에 대한 정확한 위치가 저장되지 않는다. 한편, 클로킹(은폐물) 반경은 각 파티 위치 주변의 원의 면적을 결정하므로 이 반지름의 증가는 높은 개인정보 보호 레벨을 얻지만 거리 계산의 정확성을 떨어뜨립니다. 이러한 계산의 불확실성은 공개 된 위치의 무작위 정도와 관련이 있기 때문이다.
CRS(500)의 하위 커뮤니티 발견과 관련하여 두 가지 사례를 고려해야 한다.
첫 번째 경우, 구성원이 하위 커뮤니티의 원(은폐물) 테두리를 가로지르고 자신의 위치를 ????업데이트하는 경우입니다. 이 구성원의 범주가 분리되도록 변경된다. 결과적으로, 상기 구성원은 새로운 위치 lPI를 중심으로 반경 URPI로 원을 설정해야 한다. 다음 알고리즘은 SDD 프로토콜에 기초한 이 갱신 조작을 나타낸다.
(i) 참가자(Pi)의 이동 거리가 DCi 보다 크면 EMCP(114)는 SDD 프로토콜을 실행하여 자신이 소속 된 하위 커뮤니티의 대표자의 커뮤니티 단말기(102)의 EMCP(114)와 함께 거리, 
를 계산한다.
(ii) 만일, 
이면, 참가자(Pi) 카테고리가 "분리"로 변경된 후, EMCP(114)가 새 은폐물에 대한 새로운 반경 URPi = 
를 계산한다.
두 번째 경우는 소속 하위 커뮤니티 대표와 다수의 그룹 회원의 커뮤니티 단말기(102)가 원(은폐물) 테두리를 통과하는 경우이다.
다음 알고리즘은 SDD 프로토콜에 기초한 갱신 조작을 나타낸다.
(i) 하위 커뮤니티의 대표 및 그의 구성원의 커뮤니티 단말기(102)의 EMCP(114)는 이동거리 값> 2RCi && 이동 회원 수(
(δ는 정의된 수))보다 크면, 대표측 커뮤니티 단말기(102)의 EMCP(114)는 
의 계산을 위한 SDD 프로토콜을 실행한다.
(ii) 새로운 은폐물은 반경, URCi=
가 업데이트된 하위 커뮤니티를 형성한다.
(iii) 대표의 커뮤니티 단말기(102)만이 원(은폐물) 테두리를 가로 지르면 참가자들의 커뮤니티 단말기(102)들 및 수퍼피어 단말기(101)는 단말 대 단말(Peer to Peer) 통신을 통해 현재 하위 커뮤니티의 대표 역할을 수행 할 새로운 대표자를 선출한다.
상술한 SDD 프로토콜은 보안성을 가져야하며, SDD 프로토콜 보안성을 다음과 같이 증명할 수 있다.
<정리 1> 참가자(Pi)의 커뮤니티 단말기(102)는 각자의 위치와 각 하위 커뮤니티의 대표의 커뮤니티 단말기(102)의 위치 간의 상대적 거리를 알고 있다.
증명 2 단계는 다음과 같이 거리를 계산하는 데 필요한 중간 값을 계산한다.
그런 다음 3 단계에서 이러한 중간 값의 합계를 계산한다.
다음으로, 하위 커뮤니티 대표는,
마지막으로 단계 4에서 참가자 P1은 다음과 같이 최종 거리 값을 계산한다.
정리 2 참가자나 대리인 모두 상대방의 실제 위치를 얻지 못한다.
증명 SDD 프로토콜에서, (l) 참가자와 대리인 모두 로컬로 생성 된 은폐물에서 부정확 한 위치를 선택하여 현재 위치로 사용할 수 있다.
또한, 각 참가자는 준 유사 암호화를 사용하여 이 공개된 위치를 암호화하고 자신의 목록에 있는 모든 대표에게 공개한다. 원하는 계산은 해독키를 알지 못하고 이 릴리스된 위치에서 수행 할 수 있다. 이 대표자들 중 어느 누구도이 부정확 한 위치의 진정한 가치나 현재 위치의 진정한 가치를 얻을 수 없다. 이러한 부정확한 위치를 암호화하는 또 다른 장점은 참가자가 위치 공개에 대한 두려움 없이 모든 대표자에 대한 자신의 은폐물에서 서로 다른 부정확한 위치를 공개할 수 있다는 것이다. 암호화는 악의적인 당사자가 참가자의 실제 위치를 표시하는 데 사용할 수 있는 삼각 측량 또는 추론 도구를 사용하여 릴리스된 위치를 상호 연관시키는 기능을 억제한다. (2) 대표자의 위치는 SDD 프로토콜을 실행하는 동안 보존된다. 대표자는 또한 은폐물을 사용하여 부정확 한 위치를 계산하여 현재 위치를 숨길 수 있기 때문에 보존된다. 또한 이 값을 참가자에게 게시 할 때 a 또는 b와 같은 모든 중간 값에 대해 임의성을 추가한다. (l)과 (2)에서 우리는 SDD 프로토콜이 안전하다는 결론을 내릴 수 있다.
커뮤니티 실행부(115)는 상술한 바와 같이 구성된 커뮤니티 및 하위 커뮤니티의 다른 참가자의 커뮤니티 단말기(102)들과 커뮤니티를 위한 동작, 즉 정보, 자료 공유, 채팅 등을 수행한다.
도 3은 본 발명에 따른 하위 커뮤니티 추천 시스템의 공동 개인정보 강화부의 상세 구성을 나타낸 도면이다.
도 3을 참조하여 EMCP(114)의 상세 구성을 설명한다.
EMCP(114)는 로컬 난독화 에이전트(210), 암호화 에이전트(220), 동기화 에이전트(230), 전송부(240), 피드백부(250), 정책 설정부(260), 학습부(270), 레퍼런스 검사부(280) 및 관리 에이전트(290)를 포함한다.
로컬 난독화 에이전트(210)는 저장부(120)의 정책 저장부(124)에 저장되어 있는 정책에 대응하여 저장부(120)에 저장되어 있는 개인 프로파일에서 일반화된 공개 프로파일을 생성한다.
로컬 난독화 에이전트(210)는 임의의 참가자의 공개 프로파일 업데이트 시 전체 참가자의 공개 프로파일 또한 갱신한다.
암호화 에이전트(220)는 상술한 PCF 프로토콜, PSD 프로토콜 및 SSD 프로토콜에 따른 동작을 처리한다.
로컬 난독화 에이전트(210)는 또한, 암호화 도구를 적용하여 공개 프로파일, 개인 프로파일 등의 정보를 공개키(PK)로 암호화하고, 복화화키(SK)로 암호를 해제하며, 공개 프로파일, 개인 프로파일 등의 정보를 해시한다.
본 발명에 따른 암호화 도구를 좀 더 구체적으로 설명한다.
1. 적층 동형 암호체계는 사전 암호 해독의 필요없이 암호화된 데이터의 선형 조합의 계산을 허용한다. 공식적으로, 암호화 스키마 E(.)는 암호키(pk)를 갖는 암호화 함수를 나타내고, D(.)는 복호화키(sk)를 갖는 암호 해제 함수를 나타낸다. 적층 동형 암호체계는 다음과 같은 특성을 가지고 있다.
평문 m1과 m2, E(m1)와 E(m2)의 암호화가 주어진다. 총합 m1 + m2는 E(m1 + m2) = E(m1) * E(m2)로 직접 계산 될 수 있다.
주어진 상수 k와 평문의 암호화 m1, E(m1). k와 평문 m1의 곱셈은 E(k.m1) = E(m1)k로서 직접 계산 될 수 있다.
암호 해시 함수는 비밀키의 사용을 필요로 하지 않는 효율적인 단방향 함수이다. 또한, 그것은 프리이미지 레지스턴트이다. 즉, 주어진 해시(M):h를 찾는 것은 어렵다. 우리는 해시 함수를 사용하여 참가자들의 개인 프로파일로부터 일반화된 공개 프로파일을 구축 할 것이다. 이것은 EMCP(114)가 프로파일 데이터를 교환하는 동안 일반화된 공개 프로파일로부터 유추 될 수 있는 사적인 이해관계의 흔적을 숨길 수 있게 한다. 더 정확하게 말하면, 참가자(vB)는 자신의 공개 프로파일을 vi 프로파일과 비교하려고 한다. 공개 프로파일에 있는 모든 항목을 해시하기만 하면 되므로 다음을 얻는다: 
이와는 대조적으로, 다른 참가자(vC)는 자신의 커뮤니티 단말기(102)의 EMCP(114)의 로컬 난독화 에이전트(210)를 통해 두 단계를 수행함으로써 수퍼피어(vS)의 관심사와 자신의 관심사를 비교한다.
상기 두 단계 중 하나는 EMCP(114)가 vS에 의해 사용되는 동일 해시 함수 hashVs를 사용하여 참가자의 프로파일을 해시할 필요가 있을 것이다. 그리고 나서, EMCP(114)는 사용자 vS hash(
)에 속하는 해시된 관심사의 집합에서 각각이 상기 수퍼피어(vS) 해시(
)에 대해 어떤 해시된 관심사가 동일한지 동일하지 않은지의 여부를 조사하기 시작한다.
해시 함수의 사전 이미지 내성 특징의 도움으로 평등이 발생하는 해시 관심사는 공유 관심사로 간주 될 수 있고, 발생하지 않는 것은 비 일치 관심사로 간주 될 수 있다. 해시 함수는 추가 계산에 효과적이다.
또한 후속 프로토콜에 해시를 사용하면 계산 시간이 단축됩니다. 우리의 다음 프로토콜은 다양한 참가자들의 프로파일 내의 관심사들 사이의 유사성 정도만을 필요로 할 것이다. 따라서 해쉬 함수는 공개되어야하며 알려진 함수이어야 한다.
동기화 에이전트(230)는 전송부(240) 및 피드백부(250)와 연동하여 CRS(500) 및 커뮤니티 단말기(102)들과 링 토폴로지에 따른 동기화를 수행하고, 정책 저장부(124)에 저장된 정책의 소유자의 권한에 따라 정보들을 송수신한다.
정책 설정부(260)는 디스플레이부(130)로 정책 설정 사용자 인터페이스 수단을 제공하고, 입력부(140)를 통해 정책 설정을 위한 사용자 정책을 입력받고, 입력된 정책을 정책 저장부(124)에 저장한다.
이러한 정책 설정부(260)는 참가자의 개인 정보 환경 설정을 획득하고 환경 설정 규칙의 형태로 APPEL을 사용하여 표현한다.
상기 정책 저장부(124)에는 두 개의 데이터베이스를 구비하며, 그 하나는 "개인 정보 보호 메타 데이터"라고 불리는 테이블에 사용자의 개인 정보 보호 기본 설정을 저장하는 개인정보 보호 기본 설정 데이터이고, 다른 데이터베이스는 개인 정보 보호 규칙의 형태로 일련의 정책과 이러한 규칙 중 하나가 만족할 때 취할 조치를 포함하는 정책 데이터베이스이다.
학습부(270)는 학생들의 흥미나 선호를 명시적으로 또는 묵시적으로 두 개의 데이터베이스를 구축한다. 즉, 학습부(270)는 참가자들의 관심사에 대한 데이터를 저장하는 데이터베이스 및 이러한 관심사에 대한 메타 데이터를 저장하는 데이터베이스부를 구성한다.
레퍼런스 검사부(280)는 데이터의 수집 중에 발생되는 개체에 대해 자발적인 결정을 내린다. 예를 들어, 개인정보 보호 선호는 제출 전에 데이터에서 제외되어야 하는 특정 항목을 포함할 수 있고, 미리 정의된 택소노미(Taxonomy)에 따라 특정 항목을 일반화하고, 특정 항목에 대한 동의어를 사용하고, 언제된 것과 같은 동일한 특징 벡터를 갖는 더미 항목을 삽입한다.
관리 에이전트(290)는 본 발명에 따른 로컬 난독화 에이전트(210), 암호화 에이전트(220), 동기화 에이전트(230), 전송부(240), 피드백부(250), 정책 설정부(260), 학습부(270), 레퍼런스 검사부(280)의 동작을 제어한다.
도 4는 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법을 나타낸 절차도이다.
도 4를 참조하면, 우선 관리자 단말기(110)는 중앙집중식 추천 서비스(CRS)(500)로 커뮤니티 형성 요청 신호를 전송한다(S111). 상기 커뮤니티 형성 요청 신호는 커뮤니티에 대한 소개정보, 상기 커뮤니티를 구성할 그룹의 참가자인 구성원(참가자) 정보를 포함하며, 관리자 정보를 더 포함할 수도 있을 것이다.
CRS(500)는 관리자 단말기(110)로부터 커뮤니티 형성 요청 신호가 수신되면 커뮤니티 형성 요청 신호에 포함된 관리자 정보 또는 별도로 수신한 관리자 정보에 의해 관리자 검증을 수행한다(S113).
관리자 검증에 성공하면 CRS(500)는 상기 커뮤니티 형성 요청 신호에 포함된 그룹의 참가자들에 대한 참가자 정보로부터 평판이 가장 좋은 수퍼피어를 선택한다(S115).
수퍼피어가 선택되면 CRS(500)는 상기 그룹(제1그룹)에 대해 선택된 제1그룹의 수퍼피어(이하 "제1수퍼피어"라 함)의 제1커뮤니티 단말기(102)(제1수퍼피어의 제1커뮤니티 단말기(102)를 "제1수퍼피어 단말기(101)"라 함)로 커뮤니티 형성 요청 신호를 전송한다(S117).
본 발명에 따른 커뮤니티 추천 서비스를 받고자하는 커뮤니티 단말기(102)들은 본 발명에 따른 커뮤니티 추천 서비스 어플리케이션을 설치하고 있으며, 이에 의해 각 제1커뮤니티 단말기(102)는 GPS 모듈(160)을 통해 측정된 현재 위치에 기반한 은폐물의 임의의 위치정보를 포함하는 개인 프로파일을 생성하고(S101), 생성된 개인 프로파일을 일반화한 공개 프로파일을 생성한 후 해시 처리를 수행하여 저장부(120)의 피어리스(121)에 저장한다(S103). 상기 개인 프로파일에는 암호화되지 않고 GPS 모듈(160)에 의해 계산된 실제 위치 정보가 포함되고, 공개 프로파일 구성 시 은폐물의 위치정보를 생성하도록 구성될 수도 있을 것이다.
상기와 같이 커뮤니티 단말기(102)들에 개인 프로파일 및 공개 프로파일이 생성되어 저장되어 있으면 제1수퍼피어 단말기(101)는 커뮤니티 형성 요청 신호에 포함된 구성원, 즉 각 참자가의 제1커뮤니티 단말기(102)들로부터 해쉬된 공개 프로파일 수집하여 상술한 PCF 프로토콜을 통해 커뮤니티를 생성한다(S121). PCF 프로토콜을 이용한 커뮤니티 생성 방법은 다음의 도 5를 참조하여 상세히 설명한다.
커뮤니티가 생성되면 상기 제1그룹의 제1커뮤니티 단말기(102)들은 상기 제1그룹의 참가자들의 제1커뮤니티 단말기(102)들로부터 또는 제1수퍼피어 단말기(101)로부터 제1그룹의 참가자들에 대한 공개 프로파일 및/또는 커뮤니티 단말기 정보 등을 포함하는 참가자 정보를 피어리스트(121)에 저장할 것이다.
커뮤니티가 생성되면 각 제1커뮤니티 단말기(102)는 개인 프로파일을 암호화하고, 링 토폴로지 또는 계층적 토폴로지에 따라 제1그룹(10)의 제1커뮤니티 단말기(102) 간 단말 대 단말(Peer to Peer) 통신을 수행하여 상술한 PSD 프로토콜에 따른 하위 커뮤니티를 검색 및 생성하고(S125), 하위 커뮤니티에 대한 구성 정보를 포함하는 하위 커뮤니티 생성 통지 신호를 제1수퍼피어 단말기(101)로 전송한다(S127). 상기 하위 커뮤니티 생성 통지 신호는 하위 커뮤니티에 가입한 참가자의 제1커뮤니티 단말기(102)들 중 링 토폴로지의 마지막 제1커뮤니티 단말기(102)로부터 수신되는 것이 바람직할 것이다. 상기 하위 커뮤니티 생성 통지 신호에는 하위 커뮤니티에 가입한 참가자들에 대한 하위 커뮤니티 참가자 정보가 포함되어 있을 것이다.
제1수퍼피어 단말기(101)는 하위 커뮤니티 생성 통지 신호가 수신되면 하위 커뮤니티 생성 통지 신호에 포함된 참가자 정보의 참가자들 중 대표자를 선출하고(S129), 대표자의 위치정보(SDD 프로토콜에 의한 은폐물의 임의의 위치정보)를 포함하는 선출된 대표자 정보 및 하위 커뮤니티에 가입한 하위 커뮤니티 참가자 정보, 하위 커뮤니티의 관심사 정보 등을 포함하는 하위 커뮤니티 구성 보고서를 CRS(500)로 전송한다(S131).
그러면 CRS(500)는 하위 커뮤니티를 저장하여 등록할 것이다(S133).
상기 하위 커뮤니티의 등록 후, 상기 커뮤니티 추천 서비스 어플리케이션을 설치한 가입 요청 커뮤니티 단말기(103)는 EMCP(114)를 활성화하고, 활성화된 EMCP(114)는 자신의 SDD 프로토콜에 따른 위치정보를 포함하는 하위 커뮤니티 참여 요청 신호를 제1수퍼피어 단말기(101) 및 CRS(500) 중 어느 하나 이상으로 전송한다(S143). 상기 가입 요청 커뮤니티 단말기(103)가 제1그룹(10)에 가입된 제1커뮤니티 단말기(102)이면 가입 요청 커뮤니티 단말기(103)는 제1수퍼피어 단말기(101) 및 CRS(500) 중 어느 하나 이상으로 상기 하위 커뮤니티 참여 요청 신호를 전송할 수 있고, 제1그룹(10)에 가입한 제1커뮤니티 단말기(102)가 아니면 CRS(500)로 상기 하위 커뮤니티 참여 요청 신호를 전송하여야 할 것이다.
후자의 경우, CRS(500)는 하위 커뮤니티 참여 요청 신호에 포함된 가입 요청 커뮤니티 단말기(103)의 위치정보에 기반한 수퍼피어 정보 통지 신호를 가입 요청 커뮤니티 단말기(103)로 전송한다(S144).
가입 요청 커뮤니티 단말기(103)는 CRS(500)로부터 제1수퍼피어인 제1수퍼피어 단말기(101)에 대한 정보를 포함하는 수퍼피어 정보 통지 신호를 수신하거나 제1그룹(10)에 가입하고 있는 경우, EMCP(114)를 통해 공개 프로파일을 암호화하고(S149), 제1그룹의 제1커뮤니티 단말기n+1로서 PSD 프로토콜에 따른 하위 커뮤니티를 검색하여 하위 커뮤니티에 가입한다(S153).
도 5는 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법의 커뮤니티 구성 방법을 나타낸 절차도이다.
도 5를 참조하면, 우선 제1커뮤니티 수퍼피어(101), 제1커뮤니티 단말기(102)들은 EMCP(114)를 모두 활성화하고 있을 것이다(S211).
참가자A 및 참가자 B의 제1커뮤니티 단말기(102)의 EMCP(114)들은 단말 대 단말 통신을 통해 상호 공개 프로파일 간의 친밀도를 측정하기 위해 공개 프로파일의 주사위 유사도 계산한다(S213).
주사위 유사도가 계산되면 참가자A(102-1) 및 참가자B(102-2)의 EMCP(114)는 각각 관심사를 해시한다(S215).
각 참가자의 EMCP(114)는 제1커뮤니티 수퍼피어 단말기(101)로부터 공개키를 제공받고(S217), 상기 공개키에 의해 상기 주사위 유사도, 해시된 관심사를 포함하는 공개 프로파일을 암호화한다(S219).
공개프로파일을 암호화한 제1커뮤니티 단말기1(참가자A)(102-1)은 암호화된 A공개 프로파일을 링 토폴로지로 구성된 다음 제1커뮤니티 단말기2(참가자B)(102-2)로 전송한다(S221). 그러면 제1커뮤니티 단말기2(102-2)는 참가자 A의 공개프로파일과 자신, 즉 참가자B의 공개프로파일 둘 모두를 다음 제1커뮤니티 단말기(102-m)로 전송한다(S223).
링 토폴로지의 마지막 제1커뮤니티 단말기m(102-m)은 제1그룹(10)의 모든 참가자들에 대한 암호화된 공개 프로파일을 포함하는 그룹 공개 프로파일을 제1수퍼피어 단말기(101)로 제공한다(S225).
제1수퍼피어 단말기(101)는 상기 공급한 공급키에 대응하는 개인키로 각 참가자들에 대한 암호화된 공개프로파일을 해독한(S227) 후 커뮤니티 단말기(102)들을 클러스터링한다(S229).
도 6은 본 발명에 따른 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법의 하위 커뮤니티 검색 방법을 나타낸 절차도로 새로운 참가자A가 하위 커뮤니티에 가입하고자 하는 경우를 나타낸 것이다.
도 6을 참조하면, 하위 커뮤니티에 가입하고자 하는 참가자A의 제1커뮤니티 단말기m+1(103 또는 102-m+1: 이하 103으로 기재함) 및 제1커뮤티니 단말기1(참가자B)(102-1)은 각각의 EMCP(114)를 통해 각각의 개인 프로파일(DA, DB)을 인코딩한다(S311). 여기서 인코딩이란 상술한 바와 같이 해시함수(Ish)를 적용하여 해시된 개인 프로파일(EA=Ish(DA), EB=Ish(DB))을 생성하는 것을 의미한다.
제1커뮤니티 단말기m+1(103)은 개인키(SK)의 공유와 함께 완전한 공개키(PK)를 생성하기 위해 다른 참가자인 임의의 커뮤니티 단말기(102)인 제1커뮤니티 단말기1(102-1)과 분산된 임계값 키를 생성하기 위한 프로세스를 수행한다(S313).
상기 분산된 임계값 키의 생성에 의해 공개키가 생성되면 제1커뮤니티 단말기m+1(103)은 해시된 개인 프로파일을 공개키로 암호화한다(S315).
해시된 개인 프로파일이 암호화되면 제1커뮤니티 단말기n+1(103)은 암호화된 해시 프로파일을 제1커뮤니티 단말기1(102-1)로 전송한다(S317).
제1커뮤니티 단말기1(102-1)은 제1커뮤니티 단말기m+1(103), 즉 참가자A의 암호화된 해시 개인 프로파일과 자신의 개인 프로파일 간 유사성 점수를 계산한다(S319).
유사성 점수가 계산되면 제1커뮤니티 단말기1(102-1)은 임의의 t를 곱한 t유사성 점수를 링 토폴로지의 다음 제1커뮤니티 단말기로 전송하여 링 토폴로지의 마지막 제1커뮤니티 단말기(m)까지 t유사성 점수를 전송한다(S321).
링 토폴로지의 마지막 제1커뮤니티 단말기m(102-m)은 최종 t유사성 점수를 제1수퍼피어 단말기(101-1)로 전송한다(S323).
t유사성 점수를 수신한 제1수퍼피어 단말기(101-1)는 다른 그룹인 제n수퍼피어 단말기(101-n)와 통신하여 최종 유사값을 계산하기 시작하고(S325), 참가자A와 다수의 각 참가자B 간의 유사성 값을 계산한다(S327).
참가자A와 각 참가자B 간의 유사성 값이 계산되면 제1수퍼피어 단말기(101-1)는 각 유사성 값이 미리 설정된 S 이상인지를 판단하고(S329), 유사성 값이 S 이상이면 각 하위 커뮤니티 각각의 최소 유사도 값(Si)이 중심도 참가자 프로파일을 나타내는 대표 값(εi)을 갖는 하위 커뮤니티의 목록을 공식화한다(S331).
하위 커뮤니티의 목록이 공식화되면 제1수퍼피어 단말기(101-1)는 각 하위 커뮤니티의 대표자의 위치정보를 모임장소로 결정한다(S333).
상기와 같이 모임장소를 포함하는 각 하위 커뮤니티에 대한 하위 커뮤니티 정보가 생성되면 제1수퍼피어 단말기(101-1)는 상기 하위 커뮤니티 정보를 CRS(500) 및 모든 커뮤니티 단말기(102, 103)로 제공한다(S335).
참가자가 커뮤니티 단말기(102)를 통해 자신의 개인 프로파일을 수퍼피어 단말기(101)에 제출하여 가입하려는 하위 커뮤니티의 추천 목록을 얻으면 개인 정보 수준과 추천 정확도 사이의 상충 관계는 모든 참가자의 공개 프로파일에 따라 달라진다.
수퍼피어 단말기(101)는 추천의 정확성을 손상시키지 않으면서 가장 높은 개인정보 보호 레벨을 갖는 프로파일을 조작 할 수 있어야 한다. 이 부분에서는 정확성을 유지하면서 개인 정보를 보호한다는 모순 된 목표를 정량화하기 위해 공식 모델을 사용한다. 모든 참가자가 그 지점에서 일방적으로 벗어나서 개인 정보 보호 수준을 높이는데 도움이 될 수 없도록 Nash 평형 지점을 기반으로 참가자들에게 프로파일 공개하도록 하여야 한다. 이를 증명하기 위해 다음을 고려한다.
M명의 참가자(x)를 가지는 집합(P)과 참가자의 프로파일에서 사용할 수 있는 관심사/선호도(T)가 있다고 가정한다. 각 참가자(x)는 개인 프로파일을 
로 나타내는 프로파일에서 선호도 Dx⊂T의 서브 세트를 갖는다. 참가자가 하위 커뮤니티 추천 서비스에 참여할 때, 수퍼피어 단말기(101)는 개인 프로파일을 
이라는 형태로 검사한다. 상기 Ox는 일반적으로 Vx와 다르지만 IVx| = IOxI이다.
수퍼피어 단말기(101)는 비슷한 참가자의 하위 커뮤니티를 추출하기 위해 
로 표시된 참가자와 다른 검사 프로파일을 수집한다.
개인 정보 보호 문제없이 수집 할 수 있는 개인 프로파일은 V로 표시된다. 권장 사항은 수퍼피어 단말기(101) 간의 협업을 사용하여 수집된 프로파일에 일반 함수 r(.)을 적용하여 이 커뮤니티 내에서 사용 가능한 하위 커뮤니티 목록을 추출하는 것이다.
그 다음, 수퍼피어 단말기(101)는 참가자들의 프로파일과 이 하위 커뮤니티에 대한 각 프로파일 간의 유사성 점수를 기반으로 하기 수학식 3과 같이 추천 목록을 계산한다.
여기서 Pu는 기본 설정의 하위 집합 DPu를 포함하는 하위 커뮤니티의 프로파일이다.
S(i, y) ∈ [0, 1]은 참가자와 하위 커뮤니티의 관심사 사이의 유사도 값이다. 참가자(x)에 대해 제공된 하위 커뮤니티의 최종 목록은 
로 표시되며, 
로 계산된다.
참가자(x)의 개인정보 보안 레벨은 개인 및 검사된 프로파일 간의 정보 변화를 반영하는 함수 
로 표현 될 수 있는 개인 및 소독 된 프로파일을 기반으로 정량화된다.
추천의 정확성은 이 하위 커뮤니티의 모든 참가자에 대한 검사 프로파일을 기반으로 정량화되는 동안, 개인 프로파일이 제출되었다면 참가자(x)에 대한 하위 커뮤니티 생성 목록이 있는 
로 가정하면, 정확도는 
로 정량화 할 수 있다. 여기서 ε은 추천 목록에 있는 최대 오류의 상한을 나타낼 수 있으며, 하기 수학식 4와 같이 정확도를 표현할 수 있다.
공식적으로, 본 발명은 
의 영향을 받는 최대 plx(Vx, Ox)로 하위 커뮤니티 발견 프로세스에 참여할 때, 참가자의 목표를 정의 할 수 있다.
이는 참가자(x)가 자신의 개인 프로파일을 기반으로 생성된 검사 프로파일의 모든 버전을 릴리스 할 수 있음을 의미한다. 이 목적은 단지 참가자(x)이지만 합리적인 태도를 취한다고 가정되는 참가자 x의 관점에서만 정의됩니다. 공식적으로 우리는 Nash 평형 점을 사용하여 참가자가 개인 정보 수준을 높이는 관점에서 다른 살생 된 프로파일을 선택함으로써 이익을 얻을 수 없도록 각 참가자의 최적의 버전의 소독 프로파일을 선택할 수 있다. 그런 다음 각 참가자 x에 대해 
를 유지한다.
컨버전스(집합점)를 얻으려면 참가자, 즉 참가자단말기(102)와 수퍼피어, 즉 수퍼피어 단말기(101) 간에 서로 다른 반복을 실행한다. 각 반복에서, 우리는 제안 된 프로토콜을 다른 입도로 사용하여 참가자의 개인 프로파일을 삭제한다. 그런 다음 서로 다른 개인정보 보안 레벨을 보여주기 위해 추천 프로세스를 위해 이 프로파일을 공개한다.
각 반복의 끝에서 선형 프로그래밍(LP) 문제는 각 참가자에 대해 공식화됩니다.
여기에는 모든 반복에서 공개 및 개인 프로파일이 포함된다. 이 최적화 문제는 각 참가자가 합계 과정에서 수퍼피어 단말기(101)에 의해 수집 된 다른 참가자의 프로파일을 기반으로 해결된다.(모든 반복에서 고정되어 있다고 가정 됨).
이 문제에 대한 해결책은 하기 수학식 7과 같이 실행 가능한 집합의 극한 지점에서 발견됩니다.
그러한 
인 다른 항목의 경우, axi = 0이다. 아래에서 언급 한 실험을 토대로 프라이버시 및 정확도 측정 항목을 신중하게 선택했기 때문에 개인정보 보호의 극대화가 이루어 졌음을 알 수 있다.
도 7은 본 발명에 따라 서로 다른 하위 커뮤니티를 추출하는 데 소요되는 실행 시간을 나타낸 도면이고, 도 8은 본 발명에 따른 CRS 솔루션의 그룹핑 에러를 나타낸 그래프이며, 도 9는 본 발명에 따른 CRS 솔루션의 크리티컬 에러를 나타낸 그래프이고, 도 10은 공개된 관심사 및 하위 커뮤니티 참가자의 다양한 수의 개인 정보 보호 이득을 나타낸 도면이며, 도 11은 본 발명에 따른 평균 개인정보 보호 레벨에 따른 하위 커뮤니티 수의 백분율을 나타낸 그래프이고, 도 12는 서로 다른 개인정보보호 레벨을 가지는 선호도/관심사 데이터 및 위치를 결합했을 때 발생하는 레퍼럴(refferals)의 정확도를 나타낸 그래프이며, 도 13은 레퍼럴에서 에러 대비 개인정보 보호율을 나타낸 그래프이고, 도 14는 증가하는 반복 횟수로 달성한 개인정보 보호에 대한 여러 참가자의 NEP 컨버전스를 나타낸 그래프이다.
도 7내지 도 14를 참조하면, 첫 번째 실험에서는 하위 커뮤니티 수를 늘리는 한편 솔루션의 효율성을 측정하고자 했다. 참가자의 프로파일에 대한 암호화 및 전송 시간 측면에서 실행 시간을 측정했다. 도 7에서 알 수 있듯이, 솔루션은 PCF, PSD 및 SDD 프로토콜에 대한 분산된 설계 및 통신 요구의 결과로 더 많은 의사소통을 필요로 한다. 이 허용 가능한 오버 헤드는 추천자의 품질을 저하시키지 않으면서 자신의 프라이버시를 보호하는 것이지만 모든 참가자간에 공유된다. 수퍼피어를 선택하고 분산키를 생성하는 프로세스는 프로토콜 시작 전에 설정 시간에 한 번 실행되므로 우리는 이들에 필요한 시간을 생략한다. 수퍼피어는 우리 솔루션의 병목이기 때문에 링 토폴로지를 사용하여 이 위험과 계산 오버 헤드를 줄이기 위해 불신 계산을 구현한다.
다음 실험에서는 CRS 서비스를 사용하여 추출된 하위 커뮤니티의 정확성을 측정했다. 결과의 정확성을 평가하기 위해 학생들의 관심사를 분열 방식으로 클러스터에 계층 적으로 클러스터링하는 OPTICS라는 밀도 기반 클러스터링 알고리즘을 적용했다. 이러한 클러스터는 CRS(500)의 하위 커뮤니티와 동일하며, 이러한 클러스터를 사용하여 결과의 ????정확성을 측정한다. k-means와 같은 응집 방법과 비교된 OPTICS 알고리즘은 학생들의 하위 커뮤니티를 나타내는 불규칙 구조를 가진 클러스터를 감지 할 수 있다. 우리는 평범한 형태로 프로파일을 클러스터링하는 것을 용이하게 하기 위해 짧은 텍스트 세그먼트에 대해 하이브리드 유사성 측정을 사용하여 OPTICS를 조정한다.
각 클러스터는 동일한 주제에 대해 동일한 관심사를 공유하는 학생의 개인 프로파일 집합을 기반으로 구성된 하위 커뮤니티를 나타낸다. 결과의 우수성을 측정하기 정의 된 두 가지 오류 메트릭, 즉 그룹화 오류(GR)와 치명적 오류(CIE)를 고려했다.
첫 번째는 그룹화 오류(GR)은 도 8과 같이 하위 커뮤니티에 포함 된 학생 프로파일의 수를 고려하지만이 하위 커뮤니티의 지배적인 주제와 다른 주제에 속한다.
둘째, 치명적인 오류 (CIR)는 하위 커뮤니티에서 지배적이지 않은 주제에 속한 학생의 프로파일의 파일 수를 측정한다. 도 8과 도 9는 OPTICS와 프로토콜 및 CRS를 서로 다른 수의 커뮤니티에서 실행하여 얻은 결과에 대한 GR 및 CIE 값을 모두 포함한다.
이 실험은 두 가지 버전의 데이터 세트에서 수행됩니다. 학생들의 프로파일이 처음 일반화되면 PCF와 PSD 모두 하위 커뮤니티를 발견하는데 사용되며 OPTICS는 학생들의 개인 프로파일을 클러스터링 프로세스에 직접 활용한다. CRS 솔루션에 대한 GR 및 CIE가 자연의 하위 커뮤니티 수에 도달 할 때까지 하위 커뮤니티 수가 증가함에 따라 감소한다는 것을 추론 할 수 있다.
이는 개인정보 보호를 실현하는 것이 가능하며 생성 된 하위 커뮤니티의 정확성에 심각한 영향을 미치지 않음을 나타낸다.
다음 실험에서, 우리는 각 하위 커뮤니티 발견 프로세스에서 점점 더 많은 관심을 갖는 효과를 연구하려고 했다. 분명히, 이는 전체 프로세스가 이들 수퍼피어 간에 공동으로 수행되기 때문에 수퍼피어에서 계산 및 통신을 증가시킨다. <도 10>은 회원 간의 공유 이익의 일부가 증가함에 따라 우리의 개인 정보 보호 측정 기준에서 정확도와 회수율의 가치를 높이기 때문에 공개 된 관심사의 수가 증가하고 시스템의 개인 정보 보호 이익이 증가하는 것을 보여줍니다. 또한, 참가자 수를 달리하면서 개인정보 보호 이득(Privacy Gain)과의 관계도 같은 그림으로 표시된다.
개인정보 보호 이득은 참가자의 수와는 무관하다. 참가자의 수가 증가하면 공개 된 관심사의 수가 증가하고 개인 정보 보호가 증가한다.
본 발명은 정확하게 식별된 하위 커뮤니티의 비율을 결정하기 위해 산화된 프로파일을 사용하여 하위 통신을 식별하는 정확도를 측정하고자 하였다. 우리의 선호도 메트릭은 이러한 값이 일반적으로 비회원으로부터 얻어진 값보다 클 수 있도록 동일한 하위 커뮤니티 멤버 간의 유사성 값을 포착하는 것이 중요하다.
도 8에 제시된 결과는 개인정보 보호 레벨이 0.1 내지 0.3 일 때 식별 된 백분율이 훨씬 더 높다는 것을 예시하고; 개인 정보 보호 레벨= 0.5에서도 유사한 결과를 얻을 수 있다.
우리는 CRS(500)가 평균 개인정보 보호 레벨이 50 % 이상일 때 미미한 오류로 하위 커뮤니티 회원 중 75 ~ 80 %를 식별 할 수 있는 것으로 추론한다.
본 발명은 위치 데이터를 참가자 프로파일의 일부로 추가하여 생성 된 추천의 정확성에 미치는 영향을 측정한다. 각 참가자 쌍 사이의 유사성 점수는 수퍼피어가 하위 커뮤니티를 계산하는 데 사용된다. 유사성 점수를 계산할 때 참가자는 두 가지 요소, 즉 선호도와 해당 위치로부터의 거리 사이의 유사성 값을 고려한다.
최종 유사성 점수는 두 값을 기반으로 가중되고 합산됩니다. 도 12는 환경 설정 데이터와 위치 데이터가 모두 포함 된 데이터 세트에서 다양한 개인정보 보호 레벨로 제안 된 프로토콜을 실행 한 결과를 비교하여 보여줍니다.
동일한 데이터 세트의 경우 환경 설정 데이터에서만이 실험을 실행한다.
도 12에 도시 된 바와 같이, 선호도 데이터에 기초하여 생성 된 리퍼럴의 정확도는 선호도 및 위치 데이터를 갖는 것보다 더 높은 정확도를 달성한다. 이는 검색 공간이 증가한 것이기 때문에 적합한 하위 커뮤니티를 검색하는 것은 모든 대표를 대상으로 수행되며 가까운 지역 커뮤니티의 집합으로 제한되지는 않는다.
그러나 프로파일에서 환경 설정과 위치 데이터를 모두 사용하면 정확성에 영향을 미치는 위치 인식 추천을 생성하기 위한 기본 검색 공간이 제한됩니다. 추천 프로세스는 가까운 담당자 세트에서만 수행됩니다.
SDD 프로토콜은 참가자와 하위 커뮤니티의 위치 주변에서 클로킹 (cloaking) 전략을 사용하여 위치 개인 정보를 보호하므로 조회의 정확성을 낮추지 않는다. 이것은 각 참가자가 많은 인근 대표를 찾을 가능성을 증가시킵니다. 위치 데이터를 추가하면 위치 인식을 통해 제공된 서비스의 품질을 높이고 시설을 안내하며 추천 목록을 생성하는 데 필요한 시간을 단축 할 수 있다.
마지막 두 실험에서 우리는 프라이버시와 정확도를 달성하기 위해 제안 된 트레이드 오프 모델을 평가했다. 우리는 Sect에 제시된 제안 된 프라이버시 메트릭을 사용했다. 도 13은 다른 참가자의 개인 정보 보호 수준을 소개에서 오류를 최대화하는 함수로 보여줍니다. 생성 된 추천 목록의 오류에 대한 참가자의 허용 수준이 높아지면 개인 정보 보호 수준이 높아지는 것으로 나타난다. 참가자는 오류가 적은 정확한 추천을 요구하는 경우 실제 선호도에 대한 더 많은 데이터를 공개해야하지만 이는 추천을 추출 할 때 개인 정보와 정확성 간의 균형을 결정한다. 도 14는 증가하는 반복 횟수로 달성 한 프라이버시에 대한 여러 참가자의 NEP 컨버전스를 보여줍니다. 매 반복마다 참가자는 개인 프로파일의 검사된(Sanitized) 버전을 다양한 세분성으로 구성한 다음 이 검사된 버전을 수퍼피어로 릴리스한다. 또한, 우리는 생성 된 추천에서 최대 편이 오류 s의 상한을 변화시키는 효과를 측정하기를 원한다. 반복의 수를 증가시키면서 편리한 오차 2의 다양한 정도의 달성 된 프라이버시도 또한 도시된다. 적은 수의 반복 후에는 NEP 수렴이 개인 정보 보호 수준에서 달성된다는 것이 분명하다. 빠른 컨버전스는 시스템을 선형 프로그래밍 문제로 정의하기 때문에 발생한다.
한편, 본 발명은 전술한 전형적인 바람직한 실시예에만 한정되는 것이 아니라 본 발명의 요지를 벗어나지 않는 범위 내에서 여러 가지로 개량, 변경, 대체 또는 부가하여 실시할 수 있는 것임은 당해 기술분야에서 통상의 지식을 가진 자라면 용이하게 이해할 수 있을 것이다. 이러한 개량, 변경, 대체 또는 부가에 의한 실시가 이하의 첨부된 특허청구범위의 범주에 속하는 것이라면 그 기술사상 역시 본 발명에 속하는 것으로 보아야 한다.
Claims (12)
- 위치정보를 포함하는 개인 프로파일을 생성하여 저장하고, 상기 개인 프로파일에서 일반화된 정보만을 포함하는 공개 프로파일을 생성하여 저장하며, 요청에 의해 공개 프로파일을 해시 후 제공하여 커뮤니티에 가입하는 적어도 하나 이상의 커뮤니티 단말기;
커뮤니티 형성 요청 신호를 수신받아 상기 커뮤니티 형성 요청 신호에 포함된 커뮤니티 단말기 정보를 포함하는 적어도 하나 이상의 구성원을 포함하는 커뮤니티 그룹에 대한 그룹정보의 회원의 커뮤니티 단말기들로 공개키를 제공하고, 상기 커뮤니티 단말기들로부터 공개키로 암호화된 공개 프로파일을 수집하고, 커뮤니티 그룹의 구성원들에 대해 적어도 하나 이상의 커뮤니티 단말기들을 포함하는 커뮤니티를 생성하는 수퍼피어 단말기; 및
커뮤니티 그룹을 구성하는 구성원 및 구성원의 커뮤니티 단말기 정보를 포함하는 커뮤니티 형성 요청 신호를 받고, 상기 커뮤니티 그룹에서 가장 높은 평판을 가진 참가자의 커뮤니티 단말기를 수퍼피어 단말기로 지정하여 상기 수퍼피어 단말기로 커뮤니티 생성 요청 신호를 제공하는 중앙집중식 추천 서비스부를 포함하되,
상기 커뮤니티 단말기는,
상기 개인 프로파일을 해시한 후 상기 공개키로 암호화한 후 다른 커뮤니티 단말기들과 통신을 수행하여 하위 커뮤니티를 검색하고, 검색된 하위 커뮤니티를 상기 수퍼피어 단말기로 제공하며,
상기 수퍼피어 단말기는,
검색된 하위 커뮤니티를 통지받은 경우, 동일 하위 커뮤니티를 통지받은 커뮤니티 단말기들로 구성되는 하위 커뮤니티를 구성하고, 커뮤니티 단말기들의 구성원 중 대표자를 선출하여 상기 중앙집중식 추천 서비스부 및 상기 대표자의 커뮤니티 단말기로 보고하며, 추후 상기 생성된 하위 커뮤니티의 참여 요청 시 참여 요청한 가입 요청 커뮤니티 단말기의 암호화된 공개 프로파일에 의해 최적의 하위 커뮤니티를 검색하여 제공하는 것을 특징으로 하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제1항에 있어서,
상기 커뮤니티 단말기는,
유무선 데이터통신망을 통해 다른 커뮤니티 단말기, 수퍼피어 단말기로 지정된 커뮤니티 단말기 및 중앙집중식 추천 서비스부와 데이터 통신을 수행하는 통신부;
적어도 셋 이상의 GPS 위성들로부터 각각의 위치데이터를 수신받아 출력하는 GPS 모듈;
상기 커뮤니티 그룹의 커뮤니티에 참가한 참가자가 가입한 커뮤니티 및 하위 커뮤니티 중 어느 하나 이상에 대해 개인 프로파일 및 공개프로파일을 포함하는 커뮤니티 가입 커뮤니티 단말기 정보 및 하위 커뮤니티 가입 하위 커뮤니티 단말기 정보를 저장하고, 커뮤니티 단말기들의 연결 노드 정보, 개인키 및 공개키를 저장하는 저장부; 및
설정되는 모드에 따라 상기 커뮤니티 단말기 및 수퍼피어 단말기 중 어느 하나로 동작하는 제어부를 포함하는 것을 특징으로 하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제2항에 있어서,
상기 제어부는,
모드 선택 명령에 따라 수퍼피어 단말기로 동작하는 수퍼피어 모드 및 커뮤니티 단말기로 동작하는 커뮤니티 단말기 모드 중 어느 하나를 설정하는 모드 선택부;
상기 수퍼피어 모드 설정 시 활성화되어 상기 수퍼피어 단말기의 동작을 수행하는 수퍼피어 처리부;
상기 커뮤니티 단말기 모드 설정 시 활성화되어 상기 커뮤니티 단말기의 동작을 수행하는 커뮤니티 구성부; 및
상기 수퍼피어 처리부 및 커뮤니티 구성부 중 어느 하나에 의해 활성화되어 상기 공개키로 암호화된 공개 프로파일에 의해 커뮤니티를 구성하고, 공개키로 암호화된 개인 프로파일에 의해 하위 커뮤니티를 구성하는 EMCP를 포함하는 것을 특징으로 하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제3항에 있어서,
상기 EMCP는,
상기 개인 프로파일의 정보에서 미리 설정 정의된 일반화된 정보만을 포함하는 공개 프로파일을 생성하고, 개인 프로파일 및 공개 프로파일의 해시 및 암호화 처리하는 로컬 난독화 에이전트;
상기 저장부에 저장된 연결 노드 정보에 따라 상기 통신부를 통해 데이터 통신을 수행하도록 하는 동기화부; 및
상기 암호화된 공개 프로파일에 의한 커뮤니티 가입을 제어하는 PCF 프로토콜, 상기 암호화된 개인 프로파일에 의한 하위 커뮤니티 검색 및 가입을 처리하는 PSD 프로토콜을 실행하는 암호화 에이전트를 포함하는 것을 특징으로 하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제4항에 있어서,
상기 제어부는,
GPS 모듈에 의해 측정된 현재의 위치정보를 상기 개인 프로파일에 포함하여 저장하고,
상기 암호화 에이전트는,
일정 반경을 갖는 은폐물을 형성하고 상기 위치정보를 상기 은폐물 내의 임의의 다른 위치로 변경하고 변경된 위치에 대한 암호화 위치정보를 생성하여 공개 프로파일에 포함시켜 저장하는 SDD 프로토콜을 실행하는 것을 특징으로 하는 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제4항에 있어서,
상기 암호화 에이전트는,
상기 PCF 프로토콜에 따라 자신(참가자A) 및 타 참가자(참가자B)의 주사위 유사도를 계산하고,
상기 주사위 유사도의 계산 후 각 참가자의 관심사를 해싱하며,
상기 해싱된 관심사를 포함하는 공개 프로파일을 공개키로 암호화한 후 이전 참가자의 커뮤니티 단말기로부터 수신된 암호화된 공개 프로파일과 함께 다음 참가자의 커뮤니티 단말기로 전송하고,
상기 수퍼피어 단말기는,
상기 연결 노드 정보의 마지막 커뮤니티 단말기의 암호화 에이전트로부터 그룹 전체에 대한 공개 프로파일을 제공받아 개인키로 해독한 후, 상기 유사도가 높은 참가자들을 커뮤니티로 형성하는 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제6항에 있어서,
상기 암호화 에이전트는,
상기 PSD 프로토콜에 따라 개인 프로파일을 해시하고 , 개인키의 공유와 함께 완전한 공개키를 생성하기 위해 다른 커뮤니티 단말기의 암호화 에이전트와 임계키 생성 프로세스를 수행하여 분산된 임계 값 키에 의한 공개키를 생성하고,
공개키로 해시된 개인 프로파일을 암호화한 후 상기 연결 노드 정보에 따라 다른 커뮤니티 단말기로 암호화 해시 프로파일을 전송하고,
상기 암호화 해시 개인 프로파일을 수신한 암호화 에이전트는,
수신된 암호화 해시 개인 프로파일과 자신의 암호화 해시 개인 프로파일의 유사성 점수(RAB)PK를 하기 수학식 1에 의해 계산하고,
임의의 값 t를 선택하여 하기 수학식 2와 같이 상기 유사성 점수에 곱한 후 상기 연결 노드 정보의 다음 커뮤니티 단말기로 전송하며,
수퍼피어 단말기는,
상기 연결 노드 정보의 마지막 커뮤니티 단말기로부터 최종 유사 점수를 수신하고, 최종 유사값을 계산한 후, 그룹 내의 상호 두 참가자 간의 자카드 유사성 값을 계산하고, 유사성 값이 미리 설정된 기준값(S)보다 같거나 크면 일치를 선언하고, 일치된 유사성 값을 갖는 하위 커뮤니티의 목록을 생성하여 모든 참가자의 커뮤니티 단말기들로 전송하는 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
[수학식 1]
여기서, EA는 참가자A의 해시된 개인 프로파일, EB는 참가자B의 해시된 개인 프로파일, PK는 공개키, Ei A는 참가자A의 해시된 관심사, Ei B는 참가자B의 해시된 관심사이다.
[수학식 2]
- 제7항에 있어서,
상기 수퍼피어 단말기는,
상기 목록은 중심도 참가자 공개 프로파일을 나타내는 대표(εi) 및 각 하위 커뮤니티의 암호화된 은폐물의 위치정보를 더 포함하되,
커뮤니티 단말기는, 상기 위치정보를 하위 커뮤니티의 모임장소로 간주하는 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 제7항에 있어서,
상기 연결 노드 정보의 노드는 상기 커뮤니티 단말기들의 링 토폴로지에 따른 연결 정보인 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템.
- 관리자 단말기가 커뮤니티를 구성할 구성원들의 커뮤니티 단말기의 단말기 정보를 포함하는 참가자 정보 및 관리자 정보를 포함하는 커뮤니티 형성 요청 신호를 중앙집중식 추천 서비스부(500)로 전송하는 커뮤니티 형성 요청 과정;
상기 중앙집중식 추천 서비스부가 관리자 단말기로부터 커뮤니티 형성 요청 신호의 수신 시 관리자 검증을 수행하여 검증 성공 시 참가자 정보의 참가자들 중 수퍼피어를 지정하고 수퍼피어의 커뮤니티 단말기인 수퍼피어 단말기로 커뮤니티 형성 요청 신호를 전송하는 수퍼피어 지정 과정;
상기 참가자 정보의 커뮤니티 단말기들이 개인 프로파일을 생성하고, 상기 개인 프로파일의 정보를 일반화한 공개 프로파일을 생성하는 프로파일 생성 과정;
상기 수퍼피어 단말기가 PCF 프로토콜에 따라 상기 커뮤니티 단말기들로부터 해시된 공개 프로파일을 수집하여 유사한 관심사를 갖는 참가자들에 대한 커뮤니티 형성하는 커뮤니티 형성 과정;
임의의 가입 요청 커뮤니티 단말기가 PSD 프로토콜에 따라 상기 커뮤니티의 연결 노드 정보에 따라 상기 커뮤니티의 모든 커뮤니티 단말기들에 대해 두 커뮤니티 단말기 간 통신을 수행하여 하위 커뮤니티를 형성하는 하위 커뮤니티 형성 과정;
수퍼피어 단말기가 상기 연결 노드 정보의 마지막 커뮤니티 단말기로부터 하위 커뮤니티 통지 정보를 수신받고, 형성된 하위 커뮤니티의 대표를 선택하여 상기 커뮤니티 단말기를로 통지하는 하위 커뮤니티 대표 선출 과정을 포함하는 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법.
- 제10항에 있어서,
커뮤니티 형성 과정은,
상기 암호화 에이전트가,
상기 PCF 프로토콜에 따라 자신(참가자A) 및 타 참가자(참가자B)의 주사위 유사도를 계산하고,
상기 주사위 유사도의 계산 후 각 참가자의 관심사를 해싱하며,
상기 해싱된 관심사를 포함하는 공개 프로파일을 공개키로 암호화한 후 이전 참가자의 커뮤니티 단말기로부터 수신된 암호화된 공개 프로파일과 함께 다음 참가자의 커뮤니티 단말기로 전송하는 커뮤니티 단말기 간 공개 프로파일 공유 단계; 및
상기 수퍼피어 단말기가,
상기 연결 노드 정보의 마지막 커뮤니티 단말기의 암호화 에이전트로부터 그룹 전체에 대한 공개 프로파일을 제공받아 개인키로 해독한 후, 상기 유사도가 높은 참가자들을 커뮤니티로 형성하는 커뮤니티 형성 단계를 포함하는 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법.
- 제10항에 있어서,
상기 암호화 에이전트가,
상기 PSD 프로토콜에 따라 개인 프로파일을 해시하고 , 개인키의 공유와 함께 완전한 공개키를 생성하기 위해 다른 커뮤니티 단말기의 암호화 에이전트와 임계키 생성 프로세스를 수행하여 분산된 임계 값 키에 의한 공개키를 생성하고,
공개키로 해시된 개인 프로파일을 암호화한 후 상기 연결 노드 정보에 따라 다른 커뮤니티 단말기로 암호화 해시 개인 프로파일을 전송하고,
상기 암호화 해시 개인 프로파일을 수신한 암호화 에이전트는,
수신된 암호화 해시 개인 프로파일과 자신의 암호화 해시 개인 프로파일의 유사성 점수(RAB)PK를 하기 수학식 1에 의해 계산하고,
하기 수학식 2와 같이 임의의 값 t를 선택하여 상기 유사성 점수에 곱한 후 상기 연결 노드 정보의 다음 커뮤니티 단말기로 전송하는 암호화 해시 개인 프로파일 공유 단계; 및
수퍼피어 단말기는,
상기 연결 노드 정보의 마지막 커뮤니티 단말기로부터 최종 유사 점수를 수신하고, 최종 유사값을 계산한 후, 그룹 내의 상호 두 참가자 간의 자카드 유사성 값을 계산하고, 유사성 값이 미리 설정된 기준값(S)보다 같거나 크면 일치를 선언하고, 일치된 유사성 값을 갖는 하위 커뮤니티의 목록을 생성하여 모든 참가자의 커뮤니티 단말기들로 전송하는 하위 커뮤니티 생성 단계를 포함하는 것을 특징으로 하는 개인정보 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 방법.
[수학식 1]
여기서, EA는 참가자A의 해시된 개인 프로파일, EB는 참가자B의 해시된 개인 프로파일, PK는 공개키, Ei A는 참가자A의 해시된 관심사, Ei B는 참가자B의 해시된 관심사이다.
[수학식 2]
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20160167613 | 2016-12-09 | ||
| KR1020160167613 | 2016-12-09 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180067424A true KR20180067424A (ko) | 2018-06-20 |
Family
ID=62769991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170167616A KR20180067424A (ko) | 2016-12-09 | 2017-12-07 | 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180067424A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210015985A (ko) * | 2019-06-18 | 2021-02-10 | 주식회사 비브로스 | 의료정보 기반의 커뮤니티 서비스 제공 방법 및 장치 |
| CN114637912A (zh) * | 2022-03-08 | 2022-06-17 | 浙江工商大学 | 位置社交网络中的基于高覆盖性社区发现的朋友推荐方法及装置 |
| WO2023204589A1 (ko) * | 2021-11-15 | 2023-10-26 | 한국과학기술원 | 개인 위치 정보의 민감 단계별 프라이버시 보호 및 효율적 원본 위치 복구 기법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101054040B1 (ko) | 2008-12-29 | 2011-08-03 | 한국과학기술원 | 의미론적 소셜 네트워크 기반 커뮤니티 추천 장치 및 방법 |
-
2017
- 2017-12-07 KR KR1020170167616A patent/KR20180067424A/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101054040B1 (ko) | 2008-12-29 | 2011-08-03 | 한국과학기술원 | 의미론적 소셜 네트워크 기반 커뮤니티 추천 장치 및 방법 |
Non-Patent Citations (2)
| Title |
|---|
| Taylor D et al (2009) Privacy concern and online personalization: the moderating effects of information control and compensation. Electron Commer Res 9:203-223 |
| Yang CC et al (2003) Visualization of large category map for Internet browsing. Decis Support Syst 35:89-l02 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210015985A (ko) * | 2019-06-18 | 2021-02-10 | 주식회사 비브로스 | 의료정보 기반의 커뮤니티 서비스 제공 방법 및 장치 |
| WO2023204589A1 (ko) * | 2021-11-15 | 2023-10-26 | 한국과학기술원 | 개인 위치 정보의 민감 단계별 프라이버시 보호 및 효율적 원본 위치 복구 기법 |
| CN114637912A (zh) * | 2022-03-08 | 2022-06-17 | 浙江工商大学 | 位置社交网络中的基于高覆盖性社区发现的朋友推荐方法及装置 |
| CN114637912B (zh) * | 2022-03-08 | 2024-05-03 | 浙江工商大学 | 位置社交网络中的基于高覆盖性社区发现的朋友推荐方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11877214B2 (en) | Method, apparatus and system for social networking | |
| Gong et al. | Protecting location privacy for task allocation in ad hoc mobile cloud computing | |
| Tang et al. | Enabling trusted and privacy-preserving healthcare services in social media health networks | |
| Zhou et al. | Privacy-preserving online task allocation in edge-computing-enabled massive crowdsensing | |
| Miao et al. | Cloud-enabled privacy-preserving truth discovery in crowd sensing systems | |
| Kang et al. | Optimizing task assignment for reliable blockchain-empowered federated edge learning | |
| Sun et al. | Towards privacy preservation for “check-in” services in location-based social networks | |
| Kim et al. | Privacy-preserving mechanisms for location privacy in mobile crowdsensing: A survey | |
| Firouzi et al. | Fusion of IoT, AI, edge–fog–cloud, and blockchain: Challenges, solutions, and a case study in healthcare and medicine | |
| US20230214684A1 (en) | Privacy preserving machine learning using secure multi-party computation | |
| Xu et al. | Trust-based privacy-preserving photo sharing in online social networks | |
| Zhai et al. | Towards secure and truthful task assignment in spatial crowdsourcing | |
| KR20180067424A (ko) | 개인정보 보호 강화 기능을 가지는 위치 기반의 하위 커뮤니티 추천 시스템 및 방법 | |
| Zhang et al. | Mechanism design for finding experts using locally constructed social referral web | |
| Chen et al. | Protecting query privacy in location-based services | |
| Xu et al. | Trust2Privacy: A novel fuzzy trust-to-privacy mechanism for mobile social networks | |
| Wang et al. | A general location-authentication based secure participant recruitment scheme for vehicular crowdsensing | |
| JP2023509589A (ja) | 勾配ブースティングを介したプライバシーを守る機械学習 | |
| Liu et al. | Joint recommendations in multilayer mobile social networks | |
| Rakesh | Novel authentication and secure trust based RPL routing in mobile sink supported Internet of Things | |
| JP7422892B2 (ja) | 分類の正確さを改善するための機械学習モデリングデータの処理 | |
| KR20220108170A (ko) | 개인 정보 보호 기계 학습 레이블링 | |
| Peng et al. | A privacy-preserving crowdsensing system with muti-blockchain | |
| Santhosh Kumar et al. | Scalable anomaly detection for large-scale heterogeneous data in cloud using optimal elliptic curve cryptography and gaussian kernel Fuzzy C-means clustering | |
| Elmisery et al. | Privacy-enhanced middleware for location-based sub-community discovery in implicit social groups |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |