[发明专利]一种VANET中基于虚拟位置的车辆位置隐私保护方法

权利要求书

1.一种VANET中基于虚拟位置的车辆位置隐私保护方法，其特征在于，包括四个阶段：

1)位置隐私偏好模型构建；

利用服务请求车辆和邻居标签车辆历史行为数据的挖掘建立位置隐私偏好模型，预测在不同上下文场景下服务请求车辆的位置隐私保护强度k；

标签车辆指在服务请求区域内享受过同类服务的车辆；

2)用户位置隐私保护；利用位置隐私偏好模型获取的服务请求车辆的位置隐私保护强度，采用圆划分方法，生成用户虚拟位置区域，利用位置熵对虚拟位置进行筛选，获得匿名区域和期望查询半径；对利用圆划分方法生成的每个虚拟位置计算位置熵，选取与服务请求车辆的真实位置的位置熵最接近的k-1个虚拟位置构建匿名区域；

3)服务查询；

服务请求车辆将匿名位置和期望查询半径发送给RSU，RSU以匿名位置为中心，以期望查询半径为半径查询服务，生成近邻服务集合反馈给服务请求车辆；

4)服务选择；

服务请求车辆依次计算近邻服务集合{p}中的每个服务p的位置与自身位置之间的距离D₀，当D₀＜R₀时，把服务p存储到满足需求的服务集合{p′}中，得到满足其需求的服务集合；

R₀为服务请求车辆设定的服务需求距离阈值。

2.根据权利要求1所述的方法，其特征在于，每个虚拟位置的位置熵的计算过程如下：

步骤a：将某一区域划分为g×n个单元格，并形成大小为g×n的二维矩阵，cell_i为二维矩阵中的第i个单元格，i＝1,2,3,……,g×n，g和n均为正整数；

步骤b：基于服务请求车辆和邻居标签车辆的历史行为数据，统计二维矩阵中每个单元格中查询服务的数量，并计算每个单元格查询服务比q_i和位置熵H_i；

H_i＝-q_ilog₂q_i

步骤c：计算服务请求车辆的真实位置L_v在矩阵中的单元格位置；

步骤d：随机选取k-1个单元格，并计算所选的k-1个单元格的位置熵之和，将位置熵之和的最大值对应的所有单元格位置添加到匿名车辆集合W中，得到匿名区域。

3.根据权利要求2所述的方法，其特征在于，选取位置熵之和最大的个单元格位置，将所获取的单元格位置添加到匿名车辆集合W中，并从匿名车辆集合W中随机选取k-1个单元格位置，计算所选k-1个单元格位置形成的多边形面积，将构成最大多边形面积的k-1个位置作为最终的虚拟位置，得到最终的匿名区域；

其中，(x_c,y_c)、(x_c+1，y_c+1)为匿名区域中第c和第c+1辆车辆的位置二维坐标。

4.根据权利要求1-3任一项所述的方法，其特征在于，预测在不同上下文场景下服务请求者的位置隐私保护强度k按照以下公式计算：

其中，k_u,p表示服务请求车辆u在上下文p的位置隐私保护度，M_q表示与上下文p相似度最接近的S个上下文集合，S为小于N的正整数设定值；sim(q,p)表示上下文q和上下文p的相似度，和分别表示服务请求车辆m_i在上下文p和上下文q的历史位置隐私保护强度k，M表示用于构建历史匿名矩阵的服务请求车辆数量。

5.根据权利要求4所述的方法，其特征在于，所述S取值大于等于4。

6.根据权利要求1-3任一项所述的方法，其特征在于，基于圆划分方法生成αk-n个虚拟位置，虚拟位置的坐标满足以下公式：

其中，和为虚拟位置二维坐标，和为虚拟圆中心的坐标，虚拟圆的中心L_c满足：r_min<r₀＝d(L_v,L_c)<r≤λ/2，λ是本地地图的长度，r₀＝d(L_v,L_c)表示实际位置L_v与虚拟圆的中心L_c的欧几里得距离，r_min是虚拟圆的最小半径，r是虚拟圆的半径；r_min≤ρ＝random(1)×r，θ＝∠L_iL_cL_v＝2π/(αk-n)，α表示匿名区域扩大区间设定参数，取值范围为[2，4]，n表示为通过广播方式获取邻居车辆位置的车辆数量。