[发明专利]一种大范围车辆密度检测方法及系统

说明书

本发明公开了一种大范围车辆密度检测方法，包括以下步骤：将待检测范围划分为几个相同的小的区域；为每个区域分配相同数量和分布的位置集；服务器端生成概率性位置映射矩阵；客户端下载此概率性位置映射矩阵；客户端通过此概率性位置映射矩阵映射车辆位置到混淆位置；客户端遵循秘密分享协议处理并上传混淆位置到服务器；服务器接收到所有的位置汇报后计算整个待测范围的车辆密度。本发明还公开了一种大范围车辆密度检测系统，包括客户端和服务器端。本发明可实现保护车辆位置隐私的情况下，完成车辆密度检测。

技术领域

本发明涉及信息安全技术领域，特别涉及一种适用于城市大范围且保护位置隐私的车辆密度检测方法及系统。

背景技术

随着智能移动终端的普及，GPS定位系统已经部署在小到手机，大到汽车等终端设备上。利用移动群体感知技术来收集用户的信息并挖掘有价值的内容已经称为当前热点内容之一。然而，随之而来的是用户位置隐私泄露的问题，这也成为移动数据提交者的担忧之一。如何在保护用户位置隐私的情况下，从群体感知数据中获取到有价值的位置相关信息，是本方案重点解决的问题。

目前已经提出了很多隐私保护策略来增强用户的隐私，但没有任意一种单一策略能提供完全的解决方案。现有的隐私保护技术分为以下几种：基于数据失真(数据扭曲)的隐私保护技术。这种技术是指在隐私信息提交给服务收集者之前，事先对查询中的时空信息或服务属性进行适当的修改或扭曲，使LBS服务器无法或得精确的位置信息或服务属性。基于限制发布的隐私保护技术。这类技术一般通过限制某些数据属性的发布，达到匿名化的目的，从而降低了隐私泄露的风险。比较有代表性的方法有：k-匿名。基于加密的LBS隐私保护技术。这种技术指的是通过使用加密技术使用户的LBS查询对LBS服务器完全不可见，从而达到隐私保护的目的。

上述三类技术各有优缺点:基于数据失真的技术实现简单，效率高，但数据可用性较差。基于扭曲法的技术效率较高，能在服务质量和隐私保护上取得较好的平衡，但位置信息和服务质量不完全准确，而且基于k-匿名等技术容易遭受背景知识攻击；基于加密法的技术能完全的保证隐私数据的准确性和安全性，可以提供更好的隐私保护，但需要额外硬件和算法支持，计算和通信开销都很大，效率较低。总的来说，LBS群体感知隐私保护有很多问题还需要进一步研究。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种大范围车辆密度检测方法及系统，此方法及系统可实现保护用户位置隐私的情况下，完成车辆密度检测。

本发明的目的通过以下的技术方案实现：一种大范围车辆密度检测方法，包括以下步骤：

将待检测范围划分为几个相同的小的区域；

为每个区域分配相同数量和分布的位置集；

服务器端生成概率性位置映射矩阵；

客户端下载此概率性位置映射矩阵；

客户端通过此概率性位置映射矩阵映射车辆位置到混淆位置；

客户端遵循秘密分享协议处理并上传混淆位置到服务器；

服务器接收到所有的位置汇报后计算整个待测范围的车辆密度。本方案可实现城市范围内车辆密度检测的同时一定程度上保障车辆的位置隐私。

较佳的，客户端上传的位置为混淆后的域内位置。

较佳的，所述概率性位置映射矩阵POM可适用于每一个区域，且只对域内坐标进行映射，映射后的坐标仍在此域内。

较佳的，所述客户端通过概率性位置映射矩阵映射车辆位置到混淆位置，获得混淆后的域内坐标，客户端根据秘密分享协议附加区域向量于混淆位置上，并以(混淆后的域内坐标，区域向量)的格式上传混淆位置。

更进一步的，服务器端最终接收到的汇报坐标形式为(混淆后的域内坐标，区域向量)。