基于半可信任用户的位置隐私保护模型

来源 :武汉理工大学 | 被引量 : 0次 | 上传用户:lbo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着无线通信技术的日益成熟以及智能终端的普及,基于位置服务的应用(LBS)得到了全面的发展。用户在进行位置服务相关的查询时,需要向LBS服务提供商提供用户自身的请求内容以及位置信息,因此用户的隐私存在泄漏的风险。基于位置服务的隐私保护问题已经成为学者们研究的一个热点。
  当前主流的位置隐私保护模型所存在的缺陷包含:点对点分布式模型结构(P2P)用户之间存在不可信任的问题,响应时间较长,反馈结果不精确;基于可信任的第三方服务器模型结构中第三方服务器计算、存储负担重,且存在一定的安全隐患。本文针对上述主流模型存在的一系列问题,基于用户个性化选择隐私保护等级,结合了点对点分布式结构以及可信任的第三方服务器结构,设计了一种新的位置隐私保护模型。本文的主要研究工作如下:
  (1)点对点分布式结构中的N-个性化匿名算法设计。在点对点分布式模型中,本文设计一种N-个性化匿名算法,根据用户个性化设置的隐私保护等级快速找到有效范围内的协作用户并建立匿名区域。该算法能保证协作用户之间的通信不会暴露自身的位置信息以及身份信息,即使存在部分不可信任用户,也能保证各个协作用户的隐私安全。
  (2)可信任第三方服务器中的G-泛化区域位置匿名技术设计。在基于可信任第三方服务器中,根据用户个性化设置的隐私保护等级,对用户的位置信息进行Geohash编码,同时根据编码的位数确定匿名区域的大小,保证位置匿名的可行性。另外,在第三方服务器中加入了Memcache高速缓存,提高了用户的查询效率。
  (3)实验设计与分析。通过实验数据表明N-个性化匿名算法和G-泛化区域匿名算法在运行效率上都比传统模型的表现更优。整体的T-P混合式模型结构查询速度更快,系统性能更加,尤其是在当隐私保护等级的参数变大时,T-P混合式模型结构具有更好的表现。
其他文献
伴随芯片、传感器及网络通信等技术的迅速发展,智能设备的数量呈现爆发式增长,这些设备产生的大量数据也呈井喷式的增长。而大数据处理技术的不断成熟也使得这些大数据的潜在价值不断上升,将这些具有潜在价值的数据进行开放共享是一个必然的趋势。但数据共享往往会带来安全方面的隐患,因此,建立一个使共享双方信任的数据共享平台是十分重要的。为了降低用户访问内容时的延迟,内容分发过程往往在不同地域的节点或服务器之间进行
学位
随着智能手机或平板电脑等智能移动终端的普及和物联网(Io T)技术的迅速发展,传统云计算技术已经无法满足终端侧“低时延,大带宽”的云资源要求,欧洲电信标准协会(ETSI)提出多接入边缘计算(MEC),在移动网络边缘提供IT服务环境和计算能力,以减少网络操作和服务交付的时延。在多接入边缘计算环境中引入软件定义网络(SDN)技术,可以支持大量网络设备的访问,且方便网络设备的扩展,使得边缘网络的管理更灵
交通领域中的智能驾驶越发重要,对于减少交通事故,防止人员生命财产的损失具有重要意义。但是,传统的车辆智能行车系统存在着效率过慢,并且精度较低的问题。随着深度学习的落地,前方防碰撞预警系统(FCWS)可以在前方车辆距离过近时,及时发出警报,从而避免发生事故。前方防碰撞预警系统主要目的是实时检测前方车辆的距离,由两个重要的技术支撑:车辆检测与深度估计。车辆检测用于识别监测前方车辆,而深度估计负责计算与
学位
双边拍卖作为一种高效的资源分配机制,已经被股票市场、期货市场广泛使用,同时也被用于云计算等领域解决资源分配问题。当前一般存在多个双边拍卖市场相互竞争,市场通过制定高效的机制来提高分配效率吸引交易者进入市场交易。双边拍卖中市场定价策略对交易者的收益有着重要的影响,通过影响交易者的市场选择和报价策略从而影响市场竞争结果,所以市场定价策略在双边拍卖中有着较为重要的地位。又因为市场定价策略和交易策略相互影
学位
随着在线流媒体服务需求的飞速增长,如今视频流媒体平台变得越来越流行,用户对低延迟和高质量服务的需求越来越大。高度多样化的内容使得在边缘服务器缓存空间有限的情况下不可能将所有需要的内容都存储在边缘。因此,如何分配缓存资源来服务尽可能多的请求,同时进一步减少传递延迟和带宽使用量,并提高用户体验质量,成为亟待解决的问题。边缘服务器有限的覆盖范围、用户移动性和请求模式的高度不确定也给服务部署带来了新的挑战
近年来,物联网、云计算、边缘计算等技术发展迅速,越来越多的资源受限智能终端设备出现在人们的日常生活中,并被广泛应用在交通、能源、物流、医疗、智慧城市、娱乐和社交媒体等场景中。通过应用区块链技术,可以有效保障这些存在资源受限设备的场景中数据的安全性与隐私性。但区块链技术本身对资源有较大的需求,而资源受限设备上的计算、存储、带宽等资源并不丰富,难以负担区块链共识过程以及存储区块链账本所带来的开销,这就
水泥工业的智能化对水泥生产尤其是水泥熟料生产至关重要,由此将水泥熟料生产领域的知识信息化,构建一个水泥熟料生产领域的知识图谱是一个亟待解决的问题。由于水泥熟料生产领域的知识量巨大且涉及范围很广,在广泛研究、项目积累以及与领域专家讨论基础上,构建术语库并搜集水泥熟料生产领域的数据。结合搜集的水泥熟料生产领域的数据,进行实体识别和实体关系抽取来提取数据中的知识信息,再将提取的知识构建成水泥熟料生产领域
图像生成技术作为艺术创作的重要组成部分,一直以来是计算机视觉的研究热点。传统的非真实感绘制技术利用计算机图形学、图像滤波等方法自动或者半自动地完成图像生成任务,这类方法只能生成简单粗略的图像,在生成图像的细节上做得不够准确。随着深度学习的迅猛发展,神经网络给该领域带来了革命性的改变。得益于更充足的数据量、更复杂的数学模型和更深层的网络结构,基于深度学习的图像生成算法不仅能够生成更复杂逼真的自然图像
共享单车作为一种绿色低碳的出行方式,给人们的出行带来便利。然而,人们自由使用单车给共享单车的维护带来许多问题(例如单车损坏、运送到指定位置等)。因此,共享单车平台可能需要雇佣用户去完成单车维护任务,同时平台需要给予用户合理的报酬以激励用户完成任务。当存在多个用户竞争时,用户可能谎报任务完成成本或者任务完成概率等信息来获得更高的报酬,从而导致平台不能高效的分发单车维护任务。本文主要从两个方面解决此问
小麦是现今世界范围内的主要粮食作物之一。为了提高小麦产量,育种专家致力于发掘其基因型和表型之间的联系。现有的表型提取方法多依赖于手工方式,采集的数据量有限且效率低下。三维CT(Computed Tomography)成像具有成像精细、动态范围高和无损探测内部结构等优点,可以快速且无损地提取小麦的高通量表型。CT扫描出的三维图像具有数据量大且内容高度稀疏化的特点,给图像处理工作带来了不小的挑战。本文