多环境下基于隐私保护的skyline查询方法研究.pdfVIP

多环境下基于隐私保护的skyline查询方法研究

摘要

随着空间数据库的发展，skyline查询在多目标决策中的应用受到大家广泛的

青睐，差分隐私技术以其较好的隐私性保护也逐渐成为近些年的研究热点。当下

数据量正以指数的形式在增长间接导致维度上的递增，如何保证提高查询效率的

同时保证数据的隐私性，成为时下急需解决的问题。由于障碍物的存在，在对支

配关系进行判断时如何有效的处理距离关系，如何有效的对数据进行约减加密，

避免因轨迹数据而导致的用户个人信息的泄露造成的严重后果。基于以上原因，

本文从两个方面对skyline查询进行了研究。

首先，针对多维数据仅考虑单一状态评价指标未考虑查询结果的隐私性保护

问题，为填补现有方法的不足，本文首次提出了一种适用于多维数据环境的基于

隐私保护的skyline查询方法，即SQB_PM。该方法由三个主要部分构成。首先，

通过ZDCB树对数据进行降维处理，将其转化为低维数据下的查询问题。第二部

分对经过索引结构降维处理的数据进行分区分组，同时使分区中的组数量大致相

同并进行初步剪枝，充分考虑了端点最值min和max对查询结果的影响，提出了

数据精炼算法RRM，对数据作进一步剪枝，最后计算并合并skyline集。在第三部

分中，本文提出了一种差分隐私预算分配算法SPBA，旨在平衡数据的隐私性和可

用性。该算法具备动态隐私预算分配的能力。最终，通过考虑全局敏感度和隐私

预算参数，我们计算并添加了拉普拉斯噪声，更好的保护了数据的隐私性。

进一步研究了障碍环境下基于隐私保护的skyline查询。为了弥补现有方法对于

距离的计算和隐私泄露的不足，提出了基于隐私保护的skyline查询方法

MPS_QOE。首先，在保证数据隐私的同时，提出了障碍空间支配的定义。其次，

基于数据点的初始速度给出了障碍距离函数的计算公式，并根据距离函数提出了

数据点的支配关系的定义及在该支配定义下的三种剪枝规则。接着根据过滤算法

获取所需的skyline查询数据点并对查询结果进行优化。最后，针对查询结果，我们

提出了基于双重混洗的差分隐私保护模型，考虑到用户不完全可信，基于此加入

了基于语义的查询结合混洗器的混洗对数据进行加密处理，并忽略掉查询概率较

小的数据，保证数据能够抵御一定攻击的条件下使其输出结果满足差分隐私条件。

关键词空间数据库；skyline查询；多维；障碍环境；障碍距离

-I-

ResearchontheMethodofSkylineQueryBasedon

PrivacyProtectioninMultipleEnvironments

Abstract

Withthedevelopmentofspatialdatabase,theapplicationofskylinequeryin

multi-objectivedecisionmakingiswidelyfavoredbyeveryone,andDifferentialprivacy

technologyhasgraduallybecomearesearchhotspotinrecentyearsduetoitsbetter

privacyprotection.Duetotheexponentialincreaseindatavolume,resultingina

concurrentriseindimensions,addressingthechallengeofmaintainingefficientquery

performancewhileensuringdataprivacyhasbecomeapressingconcern.Inaddition,

duetothepresenceofobstacles,howtoeffectivelyhandledistanc