[发明专利]一种基于同态加密的位置服务任务分配方法

说明书

本发明提供了一种基于同态加密的位置服务任务分配方法，在密文状态下进行了多种主流距离度量下的距离计算，可灵活适用于不同场景的同时保证距离的分布情况不会泄露，实现了位置数据本身的隐私性和查询的安全性；在距离的密文状态下进行了安全排序，避免了明文状态下进行排序带来的距离分布泄露或筛选最小距离带来的计算成本，保证安全性的情况下提升效率；对于用户来讲仅需周期性上传自己的位置密文，无需在本地计算距离的前缀族后再加密上传，减轻了用户的计算成本。

技术领域

本发明属于网络安全技术领域，具体涉及一种基于同态加密的位置服务任务分配方法。

背景技术

云计算强大的计算能力和巨大的存储空间为大数据的处理计算提供了一个优秀的环境，可以有效地管理和快速部署。通过将数据的计算卸载到云端，云客户可以轻松、方便地使用计算资源，而不受资源设备的限制。随着移动设备的不断发展和云计算能力的加强，基于位置的数据服务(如智慧城市等)也逐步转向依托云服务器进行处理和计算，空间众包计算平台应运而生，从全局视角协助用户进行任务分配。但在云端保存的数据由于可能会包含一些敏感或专有信息，故而面临着极大的隐私泄露风险，其中的敏感信息一旦泄露，将导致灾难性的后果。因此，对参与计算的数据进行加密是非常必要的。然而，在密文情况下实现相关的数据计算并不像在明文下那么容易。如何周全数据的可用性和隐私性，在密文状态下实现目标算法任务是一个非常有挑战性的问题。

2020年，Song Han等人结合了BGN同态加密技术和前缀成员验证方法，以较高的效率实现了工作组成员的确定。在该方案中，针对不同的场景对应的距离度量，用户上传位置信息本身的密文或位置信息的前缀族的密文，服务器利用密文计算出明文形式的距离并进行排序，最终选择距离最近的工作者分配任务。但是，由于计算出的距离是明文形式，一定程度上暴露了工作者的位置分布情况。而且直接使用数据前缀会提供给敌手通过数值分析猜测数据的比特分解情况的机会。次年Feng Lin等人基于差分隐私方法提出了LDPDW方案，对于动态工作者位置进行任务分配。该方案首先基于LDPCG算法对高相关位置进行噪声处理，然后提出了一种用于模糊工作者位置的DSLDP算法和一种实现动态工作者位置混淆的DCGLO算法，保证工作者位置隐私。此外该方案采用线性接受模型(LAM)将任务分配给附近的工作者以提高成功率。然而该方案没有考虑到任务(或任务发布者)的位置隐私。若任务位置泄露，则会暴露更多关于任务发布者本身的敏感信息。

目前提出的大多数位置隐私的任务分配方案通常会使用差分隐私或加入虚假数据进行混淆，但差分隐私普遍无法保证工作者和任务位置的全面隐私，或是不考虑相关隐私；而引入伪数据进行混淆则会造成距离计算精度和真实性的下降，影响任务分配的成功率；另外的一些方案会计算明文下的距离并进行排序，而此种方法则会泄露距离分布信息，间接泄露关于位置的信息。除此之外，很多方案仅针对某一种中距离度量(如欧氏距离)，无法灵活应用于不同的场景。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于同态加密的位置服务任务分配方法。本发明要解决的技术问题通过以下技术方案实现：

1.一种基于同态加密的位置服务任务分配方法，应用于云服务系统，所述云服务系统包括可信服务器、位置服务器，两个云计算方以及多个用户端，用户端分为任务提交者和工作者，其特征在于，所述基于同态加密的位置服务任务分配方法包括：

步骤1，可信服务器生成用于加密的公私钥对，将私钥分享给两个云计算方；每个云计算方获得私钥的部分；

步骤2，用户端向位置服务器进行注册，在注册完成之后将位置坐标利用公钥加密得到位置密文，并将位置密文上传至位置服务器；

其中，当用户端为任务提交者，则位置坐标为目的位置坐标，当用户端为工作者，则位置坐标为工作者的位置坐标；

步骤3，位置服务器在接收位置密文之后，利用公钥验证所述位置密文的合法性，如果合法则存储所述位置密文；