LBS中基于标识符的连续查询模型及算法

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:davidrandy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年,随着移动互联技术和智能移动终端的快速发展,LBS中的隐私保护技术受到了广大研究者的广泛关注,学者们提出了很多匿名算法以用来保护移动用户的隐私和位置信息。但是对于保护位置隐私的K匿名机制以及保护查询隐私的L-diversity机制都只是适用于快照查询,并不能适用于连续查询这种情况。而我们如果将适合于快照查询的静态匿名算法应用于连续查询的保护中,这样就会产生隐私信息的泄露和匿名服务器负荷大等问题。本文提出了一种基于查询标识符的查询模型,对于每一个连续查询任务都定义一个标识符,LBS通过这个标识符返回给匿名服务器查询内容,攻击者收集标识符相同的查询任务匿名集,对其进行比较和推断,导致用户隐私泄露,针对这个问题,在匿名服务器里设置一张一对K的表,每当用户发送一个查询时,匿名服务器查询这个表,从这个表中随机选取一个数作为这次查询的标识符。这样攻击者收集到匿名集就不会是一个连续查询任务的全部匿名集,在一定程度和时间上保护了用户的隐私。本论文的主要研究成果如下:(1)对现有的K匿名实现算法进行了分类,以及他们在数据库中的应用进行了讨论,并对一些比较典型的算法进行了优缺点分析。对K匿名隐私保护模型有可能收到的攻击进行了研究分析,并为防止这些攻击提供了一系列的保护措施。(2)对在LBS中现有的K匿名保护模型并不能有效地保护隐私进行了分析,连续查询是LBS特有的现象,对在LBS的连续查询模型这种情况下,LBS中针对K匿名保护有哪些攻击方法进行了分类。(3)本文最后提出了一种基于标识符的连续查询模型,利用数据库中K匿名保护的原理,提出了一种贪心匿名算法,并对算法进行了示例分析,最后得出改算法能够有效的对LBS连续查询起到有效的保护作用,防止隐私泄露。
其他文献
随着互联网技术的迅速发展,网格技术也逐渐发展壮大,它是一种针对复杂科学计算领域的分布式计算方法,它仍处在不断发展和变化之中。网格能够集成或共享地理上分布的各种资源,使之
在信息时代人们需要对大量的数据进行处理,去寻找其规律并对其进行运用。分类是数据处理时经常要做的工作,因此分类问题成为机器学习域的一个重要研究内容。支持向量机方法通
近年来随着web数据爆炸式的增长,数亿TB的数据分布在世界上无数的服务器上。传统的数据库管理系统对个人数据管理中存在的异构数据显得无能为力,数据空间这种新的数据管理技
为了研究人类认知的发展过程,需一个与婴儿的生理能力和生态背景相类似的模拟系统,DIVA模型(Directions Into of Articulators)就是这样的系统。DIVA模型是一种关于语音生成
数据挖掘的发展使人们从海量数据中获取有用的知识成为可能。微数据指区别于统计数据的个体数据,它是数据采集与发布的基本单位。随着人们对微数据中个体隐私信息的日益关注,对
在网络结构和规模日益复杂庞大的今天,网络应用业务不断增加与网络负载日益繁重形成对比,如何对现有网络进行优化设计和规划,整合利用现有网络资源,合理升级网络硬件结构,以使充分
随着互联网技术的发展,社交网络为人们的沟通、娱乐以及获取信息方式等提供了新的途径。如今,社交网络的功能日趋强大,基于不同用户需求的社交网络层出不穷。因此,如何最大限度挖
糖尿病是一种危害人类健康的慢性疾病,随着人们生活水平的提高,发病率也在不断攀升。世界糖尿病联盟的数据显示,全球目前有近2.9亿糖尿病患者。其中,新增加的糖尿病病人主要集中
针对当下网络视频数量激增,在线访问量巨大,现有搜索引擎不便于用户浏览、搜索并快速掌握新闻事件演化发展的缺陷,本文以著名的在线视频分享与社交网站YouTube作为代表性数据
舌象诊断是中医历史中最为重要的诊断手法之一,在中医几千年的历史中占据着极其重要的位置。伴随着现代科学与技术的发展,特别是计算机的普及,使得舌象诊断逐渐远离主观性、