第10章位置信息与隐私保护-《物联网安全》范例.ppt

10.5 基于位置服务的隐私保护 2.基于四分树的隐私保护方法 最早的匿名算法是基于四分树的隐私保护方法。它解决了面对大量移动用户高效寻找满足位置k-匿名模型的匿名集的问题。 其解决方法是：自顶向下地划分整个空间，如果提出查询的用户所在的区域的用户数大于ｋ，将整个空间等分为4份，重复这一步，直至用户所在的区域所包含的用户数小于ｋ，返回四分树的上一层区域，将其作为匿名区域返回。 10.5 基于位置服务的隐私保护 基于四分树的匿名方法 10.5 基于位置服务的隐私保护 3.个性化隐私需求匿名方法 在隐私保护中，不同的用户有不同的位置k-匿名需求，因此需要解决满足用户个性化隐私需求的位置k-匿名方法。 其解决方法是利用图模型形式化定义此问题，并把寻找匿名集的问题转化为在图中寻找k-点团的问题。 10.5 基于位置服务的隐私保护 下图中，点是用户提出查询时的位置，k表示用户的最小隐私需求，圆圈代表用户可接受的最差服务质量。 当新的对象m到达时，根据用户的隐私和质量要求，更新已有图，并找出m所在团。将覆盖该团所有点的最小边界矩形作为匿名区域返回。 10.5 基于位置服务的隐私保护 个性化隐私需求匿名方法 10.5 基于位置服务的隐私保护 4. 连续查询隐私保护 前面的隐私保护工作都是针对Snapshot查询类型。如果将现有的匿名算法直接应用于连续查询隐私保护将产生查询隐私泄露。 如下图所示，系统中存在6个用户{A,B,C,D,E,F}。攻击者知道存在连续查询，但并不知道连续查询是什么，以及是由谁提出的。 在3个不同时刻t i、t i+1、t i+2，用户A形成了3个不同的匿名集，即{A, B, D}、{A, B, F}、{A, C,E}。将三个匿名集取交，即可获知是用户A提出的查询Q1。 10.5 基于位置服务的隐私保护 连续查询隐私保护技术 10.5 基于位置服务的隐私保护 5. 感知查询差异性的隐私保护 位置k-匿名模型只能防止用户与查询建立关联，但不能切断用户与查询内容之间的关联。 下图显示的是在位置匿名后发布的匿名位置和查询，符合位置3匿名。但是，攻击者可以确定，位置落于的第一个匿名集中的用户，一定患了某种疾病。 10.5 基于位置服务的隐私保护 查询隐私泄露 10.5 基于位置服务的隐私保护 解决此问题的基本方法是在寻找匿名集的时候考虑查询语义，保证在一个匿名集中敏感查询所占比例不超过p%。 如在下图中所示，即使攻击者拥有用户的真实位置，获知该用户落于哪个匿名集中，但他仍然无法获知该用户提出了何种查询。 10.5 基于位置服务的隐私保护 感知查询差异性的隐私保护技术 10.5 基于位置服务的隐私保护 6. 感知隐私保护的查询处理 在基于区域位置数据的查询处理技术中，位置数据可以分为两种：公开位置数据和隐私位置数据。 公开数据是指如加油站、旅馆和警车等公共信息，其位置是一个精确点； 隐私数据属于个人数据，其位置是一个模糊的范围。 10.5 基于位置服务的隐私保护 根据查询点和被查询点是否是隐私数据，可以将查询分为四种： 基于公开数据的公开查询 基于隐私数据的公开查询 基于公开数据的隐私查询 基于隐私数据的隐私查询 10.5 基于位置服务的隐私保护 基于公开数据的公开查询可以用传统方法处理， 基于隐私数据的公开查询和基于公开数据的隐私查询是基于隐私数据的隐私查询的特例。 所以这两种查询处理方法经过扩展可以适应第四种情况。 10.5 基于位置服务的隐私保护 感知隐私的查询类型 10.5 基于位置服务的隐私保护 7.基于隐私数据的公开查询 首先以范围查询为例说明基于隐私数据的公开查询。 如查询“某加油站500米内所有出租车”，出租车是空间匿名后得到的区域位置信息，圆是加油站附近500米的范围。 最简单的方法是将所有与查询范围相交的匿名框作为候选结果集，匿名框与查询范围重叠区域面积表示查询结果是真正结果的概率，在下图中查询结果即（B, 50%），（C, 90%），（D, 100%），（E, 60%））。 10.5 基于位置服务的隐私保护 基于隐私数据的公开查询 10.5 基于位置服务的隐私保护 8. 基于公开数据的隐私查询 查询距离用户现在所在位置最近的加油站。加油站如下图中的p1~p8点，用户的位置是一个匿名区域。 为使候选结果集中包含真实结果，需要计算该匿名区域内每一个点的最近邻。这个结果集包含两部分：所有被匿名区域覆盖的点和匿名框边上的每一个点所对应的最近邻。后者可以通过寻找被查询点间的垂直平分线与该边的交点获得。 10.5 基于位置服务的隐私保护 基于公开数据的隐私查询 10.5 基于位置服务的隐私保护 10.5.5 隐私保护技术面临的挑战 1.多技术混合的隐私保护 如前所述，加密方法