FCS 文章解读：DPPS——用于增强连续位置查询隐私的双重隐私保护方案

　　《前沿》系列英文学术期刊由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊★★★，以网络版和印刷版向全球发行★◆■◆■★。系列期刊包括基础科学◆■★■、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录★◆，其他也被A&HCI、Ei■★◆、MEDLINE或相应学科国际权威检索系统收录■★★★■■，具有一定的国际学术影响力◆■★。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

　　（4）为了验证所提出方案的有效性，基于GeoLife数据集进行了进一步的数值分析和实证评估，该数据集是微软GeoLife项目中182个用户在超过5年的时间内收集的全球定位系统(GPS)轨迹数据集。

　　FCS 文章精要：武汉大学肖春霞教授团队：CRD-CGAN——基于类型一致性和相对性约束的多样性文本生成图象

　　DPPS的目的是生成真实且难以区分的虚拟位置。在DPPS中，建议AKA生成虚拟位置，同时主要关注以下几个方面来提高隐私保护水平:

　　（2）为了有效捕获隐藏在连续位置关联中的侧信息，利用隐马尔可夫模型(HMM)根据用户的移动性对这些关联进行模拟◆★■，从而评估对手对连续匿名关联的预测概率■★■★。

　　在实验中，DPPS与几种现有的解决方案进行了比较，包括随机方案、DLS、DLP■■◆★■◆、贪婪算法和EXA。

　　Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊◆◆■★★★。本刊于 2007 年创刊，双月刊★◆★，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授★◆◆■■■，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei◆◆■、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录◆★◆◆，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”■◆■★；入选“第4届中国国际化精品科技期刊”■★；入选“中国科技期刊卓越行动计划项目”。

　　的智能手机的广泛使用，基于位置的服务(IBSs)迅速普及■★★■，为人们的日常生活提供了前所未有的便利◆■，然而◆★■，它们也引起了人们对隐私泄露的极大关注◆◆◆★◆■。特别地■■，位置查询可用于推断用户的敏感私人信息，如家庭地址◆■◆★■■、工作地点和约会地点。因此，研究者们提出了许多提供查询匿名的方案，但这些方案通常忽略了攻击者可以从连续LBS中连续位置之间的相关性推断出真实位置的事实★★★■◆■。为了解决这一挑战，本文提出了一种新的双重隐私保护方案(DPPS)，该方案包含两种隐私保护机制◆★■◆★。首先，为了防止位置之间的相关性导致隐私泄露，提出了一种基于隐马尔可夫模型(HMM)的关联模型来模拟用户的移动性和对手的预测概率。其次■■■◆，为了提供每个单个位置的查询概率匿名性，提出了一种先进的-匿名算法来构建隐形区域，在隐形区域中生成真实且不可区分的虚拟位置◆■◆。为了验证DPPS的有效性和效率，本文在微软发布的现实数据集GeoLife数据集上进行了进一步的理论分析和实验验证。

　　图2给出了两个连续位置集的示例■★，A和B表示用户访问的两个相邻的线★■◆■;表示虚拟位置，每个箭头上的数字表示了查询数量。基于用户所采取的轨迹历史◆◆■■■，攻击者有可能猜测用户当前所采取的线次■■，而在A和A之后，B被查询了330次■■★◆。由于33070■★★，攻击者极有可能推断出B是真实位置，从而导致用户位置隐私泄露★■★◆★◆。简而言之，如果攻击者拥有关于连续位置之间的相关性的信息，则用户的位置信息可能在连续查询中受到损害。

　　（1）匿名集中的虚拟位置应该合理地分布在真实位置周围◆★。与真实位置的距离不应超过

　　为了增强连续查询中位置隐私的保护■◆，使用隐马尔可夫模型(HMM)对相邻位置和对手预测概率之间的相关性进行建模◆◆★。图3描绘了基于HMM的关联模型的示意图，其中

　　FoAR 从■■◆◆“原型”到“典型■◆■■”■★：伊斯坦布尔海贝利亚达疗养院 Block A 的建筑与空间发展 (1924-1945)

　　特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性★◆★★；如其他媒体、网站或个人从本网站转载使用◆◆★■★■，须保留本网站注明的■◆◆★“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜★★◆■★★，请与我们接洽。

　　图1显示了一个简单的社会网络地图◆■★◆，该地图被划分为21*21个网格单元，其中每个网格单元都有自己的查询概率★■■★。本文利用DLS生成5个虚拟位置，形成一个6匿名集，保护用户的位置隐私。图1中绿色虚线表示考虑的时间间隔内可行驶的最远距离，近似计算如下:

　　为了衡量当前位置的隐私程度，引入了转移熵◆■，就两个连续位置之间的相关性而言，其充分考虑了查询概率，因此可以更有效地表达位置隐私保护的程度。转移熵的计算公式如下★◆★:

　　为了有效地保护位置隐私★■■，基于各种隐私保护技术提出了许多方案，在这些技术中，基于虚拟生成算法的

　　时不同方案的距离方差。从图7可以看出，随机方案的距离方差最大■◆◆◆，这反映了它完全忽略了匿名集中的位置分布★★★■★。DLS和DLP的距离方差也很大，说明匿名集中的位置分布不够合理。贪心算法和EXA的距离方差相对较小★★■◆■★，但其值随的变化波动较大■◆■，说明其在匿名集中的位置分布不稳定◆★◆■◆。相比之下■◆★★，DPPS就衡量标准来说表现最好，表明该方案可以有效地构造合理的匿名集来防御攻击，从而保护位置隐私。

　　（1）DPPS通过同时考虑单个位置的匿名性和连续位置之间的相关性，实现了位置隐私的双重保护★★◆■■★。

　　FCSE 前沿研究★◆◆：CO3O4在HZSM-5载体上的单层分散行为探讨设计催化剂用于NH3选择性还原NOx

　　匿名。与现有方法不同，DLS仔细选择虚拟位置，考虑到侧信息也可能被对手利用，然而，所选择的虚拟位置离真实位置太远◆★■◆■，因此很容易区分。为了解决DLS的缺点，Sun等人提出了一种新的攻击模型，并设计了一种新颖的攻击模型虚拟位置隐私保护算法■■◆■◆◆，然而，该算法只考虑查询概率与真实位置相似的虚拟位置，而忽略了这些假位置和真实位置构成的匿名空间内的位置分布问题。Sun等提出了一种基于划分兴趣区域的位置隐私保护算法。与传统方法不同，该方法在生成虚拟位置时独特地考虑了语义信息，从而降低了真实位置的暴露概率■◆■★★◆。

　　（3）为了提供查询概率匿名性，提出了一种高级匿名算法(AKA)来构造隐藏区域。AKA通过同时考虑虚拟位置的分布、用户的查询半径和相邻位置之间的相关性，提高了隐私保护的效果。