无线网络安全 课件 第11章 分布保持的LBS位置隐私保护方案.ppt

*例如，在新型冠状病毒感染的肺炎流行期间，请求者可以通过相关LBS应用查询患者的分布情况，计划出行。LBS查询过程要求请求者将自己的位置信息（如办公室）发送给位置服务提供商K匿名这种代表性的空间隐匿技术可以抵抗位置跟踪攻击，同时，无须复杂的加密操作和可信第三方服务器，就能够返回准确的查询结果。因此，它在LBS中得到了广泛的应用。*现有的分布式K-匿名激励机制存在一些不足。首先，它们大多依赖于可信第三方服务器来构建匿名区域，确定请求者和协作者之间的货币交易关系[31,32,34]。同时，通过可信第三方服务器收集请求者和协作者的位置，进而构建匿名区域。这种方法破坏了分布式K-匿名的结构，同时，在难以找到可信第三方服务器的LBS中也无法很好地扩展[78]。因此，现有的分布式K-匿名激励机制难以在LBS中应用。此外，现有的分布式K-匿名激励机制忽略了用户的恶意策略，这将威胁用户的位置隐私，影响激励机制的有效性。具体来说，请求者在获取协作者的位置后，可能会公开其位置信息以获取额外的报酬。例如，在图10.2（a）中，请求者在接收协作者的位置（如医院）并构建匿名区域后，可能会将协作者的位置信息公开给攻击者。如果攻击者意识到这些协作者在医院，他就可以推断出协作者的身体状况不佳。而这已经威胁到了协作者的隐私，进而阻碍了协作者的协助。此外，请求者可能会谎称自己是协作者，并参与激励机制，从而免费甚至有盈利地加入匿名区域[32]，这种角色欺骗攻击严重损害了激励机制的有效性。此外，为了保护位置隐私，协作者可能会提供虚假位置，同时仍然可以获得报酬[78]。例如，在图10.2（b）中，为了保护真实位置信息（如医院）不被泄露，恶意协作者分别提供了位于湖泊中心和丛林中心的虚假地点。因此，攻击者能够将匿名区域缩小到办公室的范围内，并窥探请求者的位置。这种恶意策略会导致攻击者缩小匿名区域，从而泄露请求者的位置信息。*为了解决上述问题，本章提出了一种隐私增强的分布式K-匿名激励机制，其基于拍卖理论，通过货币补偿的方式激励协作者的协助。同时，在不依赖于可信第三方服务器的情况下，在构建匿名区域的同时保护了请求者和协作者的位置隐私。具体地，本章机制在不依赖于可信第三方服务器的情况下激励协作者协助构建匿名区域，基于拍卖理论，使LSP充当拍卖商，并决定请求者与协作者之间的货币交易关系。此外，本章机制实现了从协作者到请求者的位置传输，从而实现了匿名区域的构建。此外，还设计了角色识别机制和追责机制来约束用户的恶意策略。具体来说，角色识别机制通过记录用户的拍卖角色，抵抗请求者的角色欺骗攻击，保证激励的有效性。追责机制约束了恶意用户的效用，实现了提交虚假位置的协作者和泄露位置的请求者的负效用。基于博弈论的理论分析表明，本章机制在满足个体理性、计算效率和满意率的同时，约束了用户的恶意策略。最后，使用真实数据集进行了大量的实验，实验结果表明，本章机制达到了更高的匿名区域构建成功率，其成功率超过90%，并且能够避免轨迹信息泄露、单点故障等问题，有效降低了恶意用户的效用。****本章机制由三个模块组成，包括匿名区域构建、角色识别机制和追责机制，第一个模块确保成功构建匿名区域，包括拍卖过程和位置传输过程。后两个模块在匿名区域构建中约束用户的恶意策略。具体地，在拍卖过程中，请求者可能会谎称自己是协作者，从而降低激励的有效性。在位置传输过程中，协作者可能会提交虚假位置，请求者可能会泄露接收到的位置信息，从而威胁到用户的位置隐私。因此，有必要在匿名区域的构建过程中设计角色识别机制和追责机制。*******使用了两个真实数据集，包括Gowalla[79]和UrbanDataReleaseV2[80]。具体地，Gowalla数据集[79]记录了Gowalla（一个基于位置的社交网络应用，用户通过签到共享其位置信息）上6442890名用户的签到数据。本节从数据集中提取了共计15000个签到数据，以模拟LBS用户。此外，UrbanDataReleaseV2[80]包含中国深圳的7GB异构数据。本节总共提取了2000个手机CDR数据来模拟LBS用户，包括SIM卡ID、时间、纬度和经度。根据隐私敏感用户的比例，将上述两个数据集中的所有用户分为请求者集合（占总数的20%）和协作者集合（占总数的80%）。以上两个数据集在与位置信息相关的工作中得到了广泛应用，这保证了本节实验的说服力和合理性。此外，Gowalla数据集[79]也被文献[32]采用，文献[32]中的机制是本章机制的对比机制。因此，本节利用Gowalla数据集进行对比实验，以实现公平性。*实验结果如图10.7所示。当请求者的数量很少时（如），如图10.7（a）所示，，即拍卖成功率趋