基于差分隐私的车联网位置隐私保护研究

发布时间：2021-02-06 00:04

　　车联网是无线通信技术和汽车紧密结合的产物,被视为智能交通系统和保障交通便利安全的关键,受到业界人士的广泛关注。由于车联网具有大规模、变化速度快的拓扑结构,用户与位置服务提供者交互时易暴露其真实位置,导致车辆隐私信息被窃取的概率增加,使得车联网面临着安全和隐私威胁。进一步地,位置隐私保护作为车联网隐私研究内容之一,旨在切断位置信息与用户身份隐私关联性。因此,有效的位置隐私保护具有重要研究意义。本文主要在位置隐私保护领域进行分析研究,工作概括如下:1.不同场景下用户有不同的隐私需求,隐私保护强度越强需要以降低位置服务质量为代价。针对差分隐私算法在位置服务精确度和位置隐私保护强度之间的矛盾,本文给出了一种基于隐私分级的差分隐私位置隐私保护算法。具体的,首先测量位置传感器误差是否满足用户的隐私需求,若满足,则直接发送测量位置给服务器;若不满足,再通过决策树模型将用户的真实位置按照用户自定义敏感关键字进行隐私分级。其次,将真实位置和隐私级别作为差分隐私高斯机制算法的输入,输出满足隐私需求的混淆位置。最后,通过Geolife数据集与地理不可区分性算法和聚类不可区分型算法进行比较,本文所提出算法的隐... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

不同ε

重庆邮电大学硕士学位论文第3章基于隐私分级的差分隐私算法29图3.7不同隐私预算下的累计分布函数3.4本章小结本文针对基于位置的服务精确度和隐私保护之间的平衡，提出一种基于隐私分级的差分隐私保护方法。由于传统的差分隐私算法不能根据每个车辆每个位置的隐私需求来调整差分隐私，当车辆在公共区域时需要更精准的位置服务，可以降低隐私保护水平，从而提高服务精确度。因此本章依据隐私等级来适当调整差分隐私算法，满足不同车辆不同位置的隐私需求。首先，通过决策树将车辆的位置信息进行隐私分级。然后，通过隐私级别对差分隐私算法中的噪声进行调整，从而满足不同用户、不同位置的隐私保护程度的需求，并且提高基于位置的服务精确度。

重庆邮电大学硕士学位论文第4章基于差分隐私的时空事件隐私保护算法394.3.1可用性验证在本小节中，将展示在每个时间点处()PRESENCES=1:10,T=4:8和PRESENCE(S=1:10,T=16:20)事件所发布值的可用性。图4.7表明0.2-PLM只需要降低极小的隐私预算即可满足ε-时空事件隐私，并且只需降低很小的预算即可满足0.5-时空事件隐私，但需要降低较大的隐私预算才能满足0.1-时空事件隐私。在图4.8也可以观察到类似的结果。还可知道，对于较弱的PLM，偏差更大，因为这些隐私预算需要多次进行校准。因此，可以得出结论，对于ε-时空事件隐私，严格的PLM可以在少量校准的情况下保护时空事件隐私，但是较弱的PLM则需要多次校准降低其隐私预算。图4.70.2-PLM的满足不同ε校准后的隐私预算图4.8ε=0.5，校准后的隐私预算


本文编号：3019804