[发明专利]一种基于差分隐私的个性化位置隐私保护方法

说明书

本发明属于信息安全领域，涉及一种基于差分隐私的个性化位置隐私保护方法；方法包括车载用户设置其当前的敏感位置点和目标兴趣点；采用平面拉普拉斯噪音机制计算敏感圈半径；建立出多属性选路效益决策矩阵；采用信息熵理论的权重分配算法建立基于多属性选路效益函数；计算出每条驾驶路线的效益值，运用排序算法将效益最高的路线作为驾驶路线；将敏感圈外的服务位置点依据敏感距离占比分配隐私预算，将剩余隐私预算均分配给敏感圈内的服务位置点；在虚假生成范围内按照服务位置点的隐私预算运用平面拉普拉斯机制生成虚假位置；本发明综合考虑了用户选择驾驶路线的效用性和隐私性，实现了车载网络中用户选路效益函数的量化，提供个性化的隐私服务。

技术领域

本发明属于信息安全领域，尤其涉及车载网络信息安全领域，具体为一种基于差分隐私的个性化位置隐私保护方法。

背景技术

随着车载网络的发展，基于位置的服务(Location Based Services，简称LBS)为用户提供了更加多样化的服务，并为用户的生活带来了许多便利。例如，人们可以通过不断地将其位置信息提交给服务提供商来获得饭店和医院的信息。但是这种频繁的查询可能会导致严重的隐私泄露问题，攻击者可以入侵服务提供商以推测用户的敏感信息。因此，当用户享受LBS提供的服务时，位置隐私是一个亟待解决的问题。

针对上述车载网络中LBS的位置隐私问题，研究人员已经展开了大量的研究，目前的针对位置隐私解决方案主要有：

(1)假名交换技术，其原理是用户在实现点与点之间的通信时，运用虚假的用户名代替其真实的ID，使得攻击者无法将用户真实ID和查询信息关联起来，从而达到位置隐私保护的目的。在车载网络中，提出将车载用户的驾驶道路划分为观察区和非观察区，在观察区域中，攻击者可以对用户进行数据跟踪；在未观察区内，用户可以进行假名更换，以混淆攻击者的视野，避免攻击者的追击。

(2)差分隐私技术，在发布的原始数据中添加干扰噪声，以此保护数据中潜在的用户隐私信息。该技术确保，尽管攻击者掌握了数据库中除当前查询信息以外的其他所有信息，仍然无法推测出当前查询信息。因此，这种技术从数据源头彻底切除了用户隐私泄露的可能性。

然而，上述车载网络中LBS的位置隐私保护方案仍然存在以下问题：

(1)尽管假名交换技术可以为车载用户提供比较好的隐私保护效果。但是，该机制对场景的要求比较高，车载用户必须在一些用户集中的场所，例如，十字路口，红绿灯处等才可以实施，发挥其隐私保护效果。因此，这种高要求的隐私保护机制并不适用于现实场景。

(2)而现有差分隐私保护机制对用户隐私的保护主要分为两种方案：其一，为每个服务位置点添加相同的噪音量，使得各个服务位置点的隐私保护效果相同。其二，现有的个性化隐私保护措施仅根据用户所处位置的人流量密度进行区域划分，然后按区域进行隐私预算分配，最终为各个子区域实现差异的隐私保护效果。然而，方案一没有考虑用户的个性化隐私需求，可能造成某些地方隐私保护过甚，而某些地方隐私保护不及。而方案二并没有依据用户的个性化属性需求，不能为用户提供个性化的隐私保护措施。

总而言之，传统差分隐私保护技术无法为车载用户提供个性化的隐私保护问题。

发明内容

基于现有技术存在的问题，顾虑到不同用户在不同服务位置点的隐私需具有差异性，需要为不同车载用户提供个性化的隐私保护措施，本发明提出了一种基于差分隐私的个性化位置隐私保护方法。

一种基于差分隐私的个性化位置隐私保护方法，其应用于车载网络，所述方法包括：

车载用户设置其当前的敏感位置点和目标兴趣点，并确定出本次驾驶过程服务需求的隐私预算；

采用平面拉普拉斯噪音机制计算出每个敏感位置点所对应的敏感圈的半径；