基于PSO优化的移动位置隐私保护算法

       摘要: 在这个移动互联网技术和大数据技术快速发展的时代,基于位置的服务使移动用户的位置信息数据化,给人们的生活带来极大便利的同时也威胁到了移动用户的位置隐私.传统的位置隐私保护方法只对当前位置和当前时刻的隐私进行考虑,这类方法既没有严格的隐私度量标准,又无法应对在攻击者得到用户的历史时序位置信息的情况下进行概率推测攻击.针对传统方法的这些问题,该文基于概率推测模型设计了一种位置隐私保护算法MaskK,首先通过隐马尔可夫模型(HMM)对用户的移动状态和位置发布情况进行建模,计算出用户移动位置的抑制发布概率向量,然后利用该概率向量中的概率对用户的部分位置进行抑制发布,使攻击者通过搜集到的用户历史位置数据得到的信息量尽可能的小,并引入k-匿名思想和粒子群优化算法(PSO)进行优化,进一步提高算法的运行效率和服务质量.该文通过真实数据对提出的算法进行了科学的实验,验证了MaskK在隐私保护效果、服务质量和运行效率上的优越性.

作者:
李婕 白志宏 于瑞云 崔亚盟 王兴伟
单位:
东北大学计算机科学与工程学院 沈阳 110169 东北大学软件学院 沈阳 110169 去哪儿网无线事业群 北京 100080
出处:
《 计算机学报》
刊期:
2018年第0卷第5期
基金:
国家自然科学基金(61572123,61502092,61672148) 国家杰出青年基金(71325002) 中央高校基本科研业务费专项资金资助项目(N151604001) 中国博士后科学基金(2016M591449) 教育部-中国移动科研基金(MCM20160201) 辽宁省百千万人才工程项目(201514)

基于PSO优化的移动位置隐私保护算法

摘要:在这个移动互联网技术和大数据技术快速发展的时代,基于位置的服务使移动用户的位置信息数据化,给人们的生活带来极大便利的同时也威胁到了移动用户的位置隐私.传统的位置隐私保护方法只对当前位置和当前时刻的隐私进行考虑,这类方法既没有严格的隐私度量标准,又无法应对在攻击者得到用户的历史时序位置信息的情况下进行概率推测攻击.针对传统方法的这些问题,该文基于概率推测模型设计了一种位置隐私保护算法MaskK,首先通过隐马尔可夫模型(HMM)对用户的移动状态和位置发布情况进行建模,计算出用户移动位置的抑制发布概率向量,然后利用该概率向量中的概率对用户的部分位置进行抑制发布,使攻击者通过搜集到的用户历史位置数据得到的信息量尽可能的小,并引入k-匿名思想和粒子群优化算法(PSO)进行优化,进一步提高算法的运行效率和服务质量.该文通过真实数据对提出的算法进行了科学的实验,验证了MaskK在隐私保护效果、服务质量和运行效率上的优越性.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.309219s