隐私保护的轨迹数据相似性查询方法研究.pdfVIP

摘要

摘要

随着移动传感和全球定位技术的飞速发展，基于位置服务(LBS,location-based

service)的应用越来越受欢迎，例如美团、滴滴、携程等，这些LBS应用允许用户

查询位置信息，以选择自己需要的服务。轨迹相似性查询作为位置轨迹数据分析

与处理的关键技术，能够从轨迹数据库中检索出与用户请求相似的轨迹集合，尤

其是top-查询和范围查询，已在交通管理、商业规划、疫情防控和社交网络个

性化推荐等多个领域得到广泛应用。面对用户轨迹数据的大量产生和传输，位置

服务提供商收集这些数据并存储于云端服务器中，进而为用户提供查询服务。然

而，用户的位置和轨迹数据又蕴含大量敏感信息，如家庭住址、工作地点和购物

习惯等。一旦这些数据发生泄露，将会给用户带来严重的隐私困扰，甚至可能对

用户的个人安全构成威胁。因此，在利用这些数据提供轨迹相似性查询服务的同

时，应充分考虑数据可用性和隐私保护的要求，采取有效的措施为个人轨迹隐私

提供全方位保护。

针对以上问题，本文围绕隐私保护的轨迹相似性查询方法，主要开展了以下

几个方面的研究。

1、定义了一种离散轨迹之间的时空相似性度量（DSED），为大规模加密轨迹

的距离计算提供支撑。此外，研究了轨迹查询中的过滤-精炼机制，设计了一种基

于希尔伯特曲线的轨迹过滤方法，在保护隐私的同时高效地过滤掉不相似的轨迹，

从而提高相似性查询的效率。

2、提出了一种隐私保护的轨迹数据top-相似性查询方法。针对云计算环境

中的轨迹数据top-相似性查询问题，设计了基于双云服务器的轨迹时空相似度安

全平均值比较协议，利用同态加密实现了轨迹数据的细化查询，在保护查询用户

和数据库双方隐私的同时，精确且高效地获取top-相似的轨迹查询结果。

3、提出了一种隐私保护的轨迹相似性范围查询方法。针对云计算环境中的轨

迹相似性范围查询问题，设计了基于单云服务器的轨迹时空相似度安全计算和比

较协议，对初筛之后的候选轨迹执行安全范围验证，实现安全和高效的轨迹数据

范围相似性查询。

关键词：云计算安全，隐私保护，轨迹相似性查询，希尔伯特曲线，同态加密

I

ABSTRACT

ABSTRACT

WiththerapidadvancementofmobilesensingandGPStechnologies,Location-Based

Services(LBS)havebecomeincreasinglypopular,suchasMeituan,Didi,andCtrip,etc.

TheseLBSapplicationsallowuserstoquerylocationinformationandgaintheservices

theyneed.Asakeytechnologyforanalyzingandprocessinglocationandtrajectorydata,

trajectorysimilarityqueryaimstoretrieveasetoftrajectoriesinadatabasewhichmeeta

user’srequest.Especially,top-andrangequeriesontrajectorydatahavebeenextensively

appliedinvariousfields,includingtrafficmanagement,businessplanning,epidemiccon-

trol,andpersonalizedrecommendationsinsocialnetworks.Giventhemassivetrajectory

datathatkeepgrowingandflowinginthenetworks,LBSprovidersusuallyrelyoncloud

serverstodealwiththequeriesfromtheusers.However,sincealargeamountofsensitive

informati