基于位置大数据的移动社交网络服务轨迹隐私保护研究.docxVIP

基于位置大数据的移动社交网络服务轨迹隐私保护研究 摘要：为了更有效地保护用户的轨迹隐私，提岀 综合位置大数据、移动社交网络服务各自的特点，从 网络技术、心理学、社会学、信息学等多角度，对用 户位置与行为模式之间映射后的个性向量模糊化，全 方位量化分析影响位置大数据的移动社交网络服务 (Mobile social network service based on location big data, MSNSLBD)的属性，重新给出了轨迹隐私的定 义，最后对MSNSLBD的研究方向及需要解决的关键技 术问题进行了展望。 关键词：位置大数据；移动社交网络服务；轨迹 隐私；行为模式 中图分类号：TP393 文献标志码：A 文章编号：2095-2163 (2016) 06-0098-03 0引言 随着移动互联网和智能移动设备的应用拓展与普 及，基于位置大数据的移动社交网络服务(Mobile Social Network Service based on Location Big Data, MSNSLBD）得到了快速发展，但与此同时，MSNSLBD 也随即伴生了众多新的问题，其中显著突出的一类内 容展现就是用户轨迹隐私将更加容易泄露。尤其是在 大数据时代，移动社交网络服务轨迹隐私保护问题已 口趋精深复杂，而且又牵涉到诸多领域的时新高效技 术，因而如何让用户在充分享受大数据时代移动社交 带来重大优势便利的同时，能够更好地保护用户的轨 迹隐私，为用户的信息安全保驾护航，进而提供绿色 网络环境即已成为社会与学界吸引关注、加大投入的 热点与焦点。本文则针对这一课题范畴展开研究论述。 [BT4]1研究进展与研究现状分析 [BT5]1.1研究工作综论 文献⑴提出了一种空间泛化和延迟发布相结合 的方法，保护用户的轨迹隐私和缺席隐私。文献[2-3] 针对轨迹数据挖掘中可能频繁访问模式的应用，提出 了一种保护频繁访问模式的轨迹隐私保护方法 BF-P2kAo具体地，该方法就是以前缀树为基础实现构 建轨迹k-匿名集。文献⑷则设计了一种在移动社交网 络中推导用户位置的方法，该方法通过用户n个朋友 提供的推理攻击方法已可达到80%的精确度。文献[5-6] 还针对在近邻服务中，当用户在某个朋友的附近时， 系统就会自动将用户的位置告知其朋友，从而可能导 致用户轨迹隐私泄露给不可信的朋友或者服务提供商 的情况，而相应研发了一种近邻服务中的轨迹隐私保 护方法。在此基础上，更有文献［7-8］针对当前社交网 络隐私属性匿名算法中存在的合理模型匮乏、属性分 布特征扰动大、忽视社交结构和非敏感属性对敏感属 性分布的影响等现实缺点，发展性地推出了一种基于 节点分割的隐私属性匿名算法。另外，文献⑼继而又 提出了一种基于GSNPP算法的隐私保护方法。方法通 过对社交网络中节点进行聚类，再对生成的簇通过簇 内泛化及簇间泛化，来对社交网络引入匿名化处理， 拟达到隐私保护的目的。此外，文献［10］也研究了基 于隐私信息检索的位置大数据隐私保护技术。 ［BT5J1.2研究成果解析 ［JP2］综上探讨可知，这些文献虽然针对MSNSLBD 中轨迹隐私保护获得了可观技术进展，但仍存在一定 不足，具体剖析如下。［JP］ 1.2.1［ZK （］缺乏合理有效的MSNSLBD轨迹隐私保 护算法［ZK）］ 大数据时代，黑客可以从多种渠道获得用户公开 信息和位置数据，然后结合位置数据推测出用户的隐 私信息［5］。近年来，对这方面的研究都?H仅从单一网 络的角度来分析影响MSNSLBD的属性，而未能综合网 络技术、心理学、社会学、信息学等来全面研究针对 MSNSLBD属性的关联作用，也未能灵活引入如下新情 况所带来的发展新因素：在位置大数据时代，随着位 置感知技术（传感设备、移动通信等）的进步，将导 致事物和人的地理位置呈现出数据化⑼等情形。如此 片面的研究后果，即会使得现有轨迹隐私保护算法必 然缺乏必要的合理性及有效性。 1.2.2[ZK （]对用户位置与行为模式之间映射关系 方面的研究，尚处于起步阶段[ZK）] 针对位置大数据的移动社交网络服务轨迹隐私保 护，即应围绕用户位置与行为模式之间的映射关系而 着重展开研究，力争减弱攻击者收集到的从匿名用户 位置推测可得的个性向量与不同用户之间的个性向量 上的性能匹配，从而弱化两者之间的相关度。 同时研究可知，保护用户位置大数据隐私的关键 问题是：在确保服务可用的前提下，通过对映射后的 个性向量设计执行非数据化，尽量使得个性向量实现 模糊化。因而针对不同的应用特点，既要获得位置数 据个性向量的模糊化结果，又要保持位置服务的准确 性，亟需相关人员进一步的研究投入。 [JP3]1.2.3[ZK （]对MSNSLBD轨迹隐私问题的理解 尚处于比较浅的层面[ZK） ]