论文部分内容阅读
随着LBS位置服务与新应用技术相结合的机会增加,个人用户的隐私威胁也呈现出上升趋势。如最近针对个人隐私信息的安全事件,显示出了错误的数据管理方法,以及用户个人信息未授权的交易等。个人用户位置信息难免不会受此类威胁,并且可能会面临新的危险,如盯梢或身体生活骚扰等隐私威胁。而且当前的大部分隐私保护方案,保护规则设置过于僵化,很难满足个人用户对于其自身个性化的隐私需求,因此基于位置服务(LBS)的个性化隐私保护方案已经成为国内外的一个研究热点。本文深入研究基于位置服务(LBS)的隐私保护方案中的位置隐私偏好以及位置隐私相关性,并深入研究消息匿名化算法和匿名团搜索算法的有效性,并在原有算法的基础上,提出改进的团匿名化算法。论文的主要工作如下：1.研究基于位置服务(LBS)的隐私保护技术方案基础理论、基于位置的服务系统构架和位置隐私所面临的隐私威胁。2.研究LBS位置隐私保护基础相关技术,分别讨论了基于位置服务中的定位精度和测量质量。研究个性化位置k-匿名隐私保护方案中的一些定义和术语规范,研究位置匿名处理对个性化位置k-匿名隐私保护方案中的服务质量和性能的影响。3.研究基于圆变换的模糊化技术,并在其基础上提出了一种改进的双重圆模糊化位置隐私保护方案。在本文中提出了一个简单、直观的隐私偏好来表达用户对位置信息的隐私需求,该新位置隐私保护方案能够实现不同程度的位置隐私保护,而且还能对不同程度的位置隐私进行定量估计,通过对新方案中可能用到的T-G(移动放大)和E-T(缩小移动)两种方案进行模拟实验证明：本文提出的新方案能够很好的平衡用户需求的高质量信息服务和位置隐私之间的矛盾。4.研究个性化位置隐私保护方案,在本文前面提出的用户位置隐私相关性基础上,本文提出一种改进的个性化K-匿名位置隐私保护方案。该新方案使用一个灵活的隐私个性化框架,来增强位置K-匿名隐私保护的功能。在消息匿名化引擎算法的基础上,本文提出了两个消息团匿名化算法,并研究其在各种条件下使用真实位置数据的有效性。模拟实验结果表明：对于大多数匿名消息,与由容忍度值指定的消息限制区域相比,团匿名算法生成的匿名区域要小很多,个性化变化k值的方案比固定k值的方案在平均匿名成功率方面提高了15%；渐进式搜索可以根据容忍度的值进行线性扩展,并且对一次性搜索方法有一个50%的改进。本文提出的个性化位置k-匿名模型,连同位置匿名化引擎,可以实现比较高效的位置隐私保护,同时可以保证不引入任何显着的性能损失。