对位置信息服务连续查询攻击算法.docVIP

对位置信息服务连续查询攻击算法 　　摘要：为了解决连续查询攻击算法给位置信息服务（LBS）带来的安全隐患，基于已有的k匿名化Cloaking算法提出了一种新的连续查询攻击算法——CQACA。该算法首先利用熵和查询匿名度量定义了查询识别率的目标函数，并结合元胞蚁群给出了目标函数的求解算法。最后，利用移动对象数据生成器进行实验，深入研究了影响CQACA的关键因素，同时对比分析了该算法与Cloaking算法的性能差异：CQACA与实际数据的误差为13.27%，而Cloaking算法则为17.35%。结果表明CQACA具有一定的有效性。 　　关键词： 位置信息服务； 连续查询攻击算法； 查询匿名度量； 查询识别率； 元胞蚁群 　　中图分类号： TP309 文献标志码： A 　　0引言 　　随着定位技术的迅速发展，基于位置的服务（LocationBasedService，LBS）在通信网络中得以广泛应用[1-5]。LBS是根据用户的位置提供特定服务，但也存在诸如位置或隐私信息遭泄露或滥用等安全隐患。目前，位置隐私分为敏感位置隐私和位置ID隐私，敏感位置隐私通过模糊化或者加密位置来保护位置隐私，而位置ID隐私是通过k匿名技术来实现保护位置隐私的。k匿名是指当一个移动用户的位置无法与其他k-1个用户的位置区别时，称此位置满足位置k匿名。MGruteser首先将k匿名引入到位置隐私保护，为用户提供相同隐私要求的匿名服务。 　　目前，LBS匿名技术主要有错误或假的位置信息方法，区域化位置信息的方法和加密方法，典型代表算法有CliqueCloak、Casper、HilbertCloak和kNNCloak[6-10]。CliqueCloak主要是为用户建立一个无向图并寻找满足k匿名相互连通的小集团，但该算法缺乏灵活性。Casper作为QuadTree的经典方法在匿名器上广泛应用，但Casper盲目递归查找匿名空间时导致产生的较大匿名空间，为后期查询操作带来不便。而HilbertCloak则是用希尔伯特空间填充弧，将二维空间映射为k匿名组，该算法具有较高的安全性，但是系统开销较大。kNNCloak是根据k个最近邻居为匿名伙伴进行随机选择，以此改善匿名效果。对此，国内外学者也提出了大量改进算法。高枫等[11]深入研究了基于位置服务应用的隐私保护需求多样性，提出了一种以用户为中心的信任隐私保护模型，允许用户对隐私偏好进行自主设置。林欣等[12]通过融合查询发送时间的间隔模型，提出了一种连续查询发送模型，并结合两种k匿名算法CliqueCloaking和NoncliqueCloaking，分别提出了连续查询攻击算法。针对基于位置的服务中的k匿名机制的最小匿名度的QoS，杨朝晖等[13]提出一种新的QoS指标——匿名结果集势指标R*，用于度量和约束匿名服务和LBS为用户的每次查询所平均消耗的计算资源。王彩梅等[14]基于用户轨迹隐私保护方法SilentCascade，将用户运动轨迹用带权无向图描述，提出一种新的轨迹隐私度量方法，并从信息熵的角度来计算用户轨迹隐私。为了提高现有地点识别方法精确度，丰江帆等[15]基于速度剪枝、时间剪枝和空间剪枝相结合的VSTPruning算法提出了一种新的地点识别方法，并综合R*树空间索引机制和密度相交提出了基于密度的RTcluster聚类方法。 　　针对上述问题，本文基于k匿名集Cloaking算法提出了一种新的连续查询攻击算法（ContinuousQueriesAttackingalgorithmsbasedonCellularAnt，CQACA）。该算法首先定义了查询识别率以及查询匿名度量目标函数，并利用元胞蚁群算法对上述模型进行求解。利用移动对象数据生成器，通过仿真实验对比分析了CQACA与Cloaking算法之间的性能差异，同时深入研究了影响CQACA的关键因素。 　　同时，在图5中给出了不同蚁群搜索半径r下算法平均误差error的变化情况。类似于图3中曲线的变化趋势，在实验开始阶段，搜索半径r越小对应的平均误差error越小，而在后期搜索半径r越小对应的平均误差error越大。这是由于在开始阶段蚁群性能偏低时，半径r越大每个邻域所需要的搜索资源越大，系统收敛减缓。而在后期蚁群性能得到提高时，半径r越大可以有效避免陷入局部最优，从而降低平均误差。 　　4结语 　　针对查询隐私存在的安全隐患，本文在已有的k匿名集Cloaking算法基础上，结合元胞蚁群算法进行改进，提出了一种基于LBS的连续查询攻击算法CQACA。该算法利用熵和查询匿名度量定义了查询识别率的计算模型，并给出了元胞蚁群的演化规则以及算法流程。最后，利用移动对象数据生成器来进行实验，对比分析了CQACA与Cloaking算法的性能差异