針對(duì)位置服務(wù)中基于K-匿名方法構(gòu)造的匿名集因未考慮語義信息導(dǎo)致語義推斷攻擊問題,提出了一種路網(wǎng)環(huán)境下的語義多樣性位置隱私保護(hù)方法。該方法根據(jù)不同語義位置用戶訪問數(shù)量,利用歐氏距離選擇具有相似特性的語義位置類型,構(gòu)建最優(yōu)語義位置類型集合。根據(jù)路段上屬于該類型集的語義位置所占比例,選擇最優(yōu)路段構(gòu)建匿名集,使得匿名集不僅滿足語義多樣性,而且增加了用戶語義位置的不確定性。實(shí)驗(yàn)結(jié)果表明,與LSBASC算法相比,該方法在平均匿名時(shí)間上提高了27%,SDA算法的執(zhí)行效率更好。在相對(duì)空間粒度上減小了21%,隱私泄露程度上降低了3%,SDA算法以更小的匿名空間提供更高的服務(wù)質(zhì)量和隱私保護(hù)程度,能有效地保護(hù)用戶語義位置隱私。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖2語義路網(wǎng)酒店住宿休閑娛樂餐飲e7e8v5

type表示該類型語義位置在不同時(shí)間段的用戶訪問數(shù)，Vsltypek=（Nt1sltypek,Nt2sltypek,…,Ntnsltypek），其中，Ntnsltypek表示在tn時(shí)間段內(nèi)該類語義位置的用戶訪問數(shù)。定義2（語義路網(wǎng)）語義路網(wǎng)用無向圖G=(V,E,SL)表示，其中：....

圖1用戶運(yùn)動(dòng)空間

2020，56（7）1引言隨著移動(dòng)設(shè)備和社交網(wǎng)絡(luò)的廣泛使用，基于位置的服務(wù)（LocationBasedService，LBS）已得到了廣泛關(guān)注[1]。然而，在用戶提交位置以獲取相關(guān)服務(wù)的過程中必然會(huì)導(dǎo)致隱私泄露問題[2]。因此，如何保護(hù)LBS中用戶隱私已成為眾多學(xué)者關(guān)注的焦點(diǎn)。現(xiàn)....

圖1用戶運(yùn)動(dòng)空間

2020，56（7）1引言隨著移動(dòng)設(shè)備和社交網(wǎng)絡(luò)的廣泛使用，基于位置的服務(wù)（LocationBasedService，LBS）已得到了廣泛關(guān)注[1]。然而，在用戶提交位置以獲取相關(guān)服務(wù)的過程中必然會(huì)導(dǎo)致隱私泄露問題[2]。因此，如何保護(hù)LBS中用戶隱私已成為眾多學(xué)者關(guān)注的焦點(diǎn)。現(xiàn)....

圖3可以看出，不同類型語義位置一天的用戶訪024681012141618202224時(shí)間/h圖3用戶訪問分布

omputerEngineeringandApplications計(jì)算機(jī)工程與應(yīng)用干條相鄰路段組成，用AS表示，AS={e}1,e2,…,en。匿名集滿足用戶定義的各項(xiàng)隱私需求。為了獲取不同類型語義位置在不同時(shí)間段的用戶訪問情況，利用微軟亞洲研究院提供的Geolife數(shù)據(jù)集提取用....

本文編號(hào)：3954325