基于通用LPPM框架的位置隱私度量研究.pdf

1、隨著基于位置服務的普及，以及各種基于位置服務的移動社交應用的廣泛使用，越來越多的移動用戶開始擔心自己的位置隱私被暴露。各種位置隱私度量方法也相繼被提出來，但是這些度量方法都是基于不同的位置隱私保護機制提出來的，都帶有一定的缺點和不足，而且已有的度量方法大多數(shù)都沒有考慮到對手所擁有的背景知識。因此本文以這個問題為背景，分析各種位置隱私度量方法，提出了一種基于通用框架LPPM(Location Privacy Protection Mech

2、anisms)，并且融入了對手背景知識的新度量方法BK-LPPM(background knowledge-Location Privacy ProtectionMechanisms)。
　　LPPM框架是根據(jù)信息從移動用戶流向?qū)κ?，引入位置隱私的各種組件，把移動用戶的位置隱私最大化解釋為，隨著時間的推移，對手不能正確的把移動用戶的地理位置信息和身份信息聯(lián)系起來。這個統(tǒng)一框架使得我們能夠很精確的定義位置隱私，以及不同的位置隱私保護

3、機制對于不同的攻擊的有效性進行評估。
　　為了正確度量各種位置隱私保護機制在不同攻擊模型下的有效性，我們綜合分析了LBS系統(tǒng)中影響移動用戶位置隱私的各種因素和它們之間的關系，考慮到對手所擁有的背景知識是會變化的，提出了新的融入了對手背景知識，并且基于通用位置隱私保護框架LPPM的位置隱私度量方法BK-LPPM。在該度量方法中，將移動用戶的位置隱私量化為對手觀察到的泛化事件與移動用戶身份信息之間的可聯(lián)系性。該度量方法主要特點在于，用

4、二進制矩陣、關聯(lián)向量以及條件概率來描述和量化對手所擁有的背景知識，并將對手背景知識融入到一個統(tǒng)一的位置隱私保護框架LPPM中，能更有效的使用戶位置隱私在各種位置隱私保護技術的保護下得到正確的度量，還增加了位置隱私度量的可移植性。
　　最后仿真實驗結(jié)果顯示:當對手擁有的背景知識時，評價指標k-匿名度量方法不能正確的度量用戶位置隱私。而本文在提出一種新的位置隱私度量方法BK-LPPM中，當對手獲取的背景知識變化時，都能準確地度量移動用