位置数据集发布的社交关系隐私保护方法研究

摘要

随着基于位置服务的应用广泛使用，用户的签到数据常被服务提供商收集、整理成位置数据集，提供企业与个人进行数据分析和挖掘。由于位置数据集中，用户的移动特征可用于社交关系推理攻击，所以位置数据集发布面临社交关系隐私泄露的威胁。因此，研究抵御位置数据集的社交关系推理攻击的隐私保护方法具有重要的意义。 针对目前位置数据隐私保护中，缺少对用户社交关系隐私安全性的评价指标的问题，以用户利用移动特征进行社交关系推理攻击的场景为背景，对攻击者能提取的移动特征进行量化，给出量化两个用户间的社交关系的用户亲密度的概念，基于这一概念给出全局亲密度描述数据集整体的社交关系，从而给出能够抵御社交关系推理攻击的位置数据集应当满足保护前后数据集全局亲密度的值下降的性质，即社交关系安全性，作为评价用户社交关系隐私安全性的指标。进而给出一种能够抵御社交关系推理攻击的隐私保护模型，即全局亲密度的社交关系隐私保护模型，该模型要求在保护后的位置数据集里好友没有共同访问位置，并且为具有潜在好友的用户的频繁访问位置选取替代位置时，替代位置是流行度大于原始位置、扰动前后的位置和在任意一个好友的频繁访问位置中与原始位置匹配成最大社交关系影响的频繁访问位置的距离因子之差满足指定阈值的非好友访问位置等条件，并从理论上证明该模型保护后的位置发布数据集满足-社交关系安全性。以全局亲密度的社交关系隐私保护模型为基础，设计基于全局亲密度的社交关系隐私保护算法，包括共同访问位置替换算法、替代位置候选集提取算法和替代位置选取算法，给出算法时空复杂度、算法安全性以及数据可用性的理论分析。 对设计的算法进行实验验证，结果表明，基于全局亲密度的社交关系隐私保护算法能够有效抵御社交关系推理攻击。并且通过与现有的替换法和隐藏法的对比实验表明，在安全性没有没有明显下降的情况下，数据可用性好于隐藏法和替换法。

目录

第一个书签之前