一种位置服务中隐私保护量化分析方法

摘要

本发明涉及一种位置服务中隐私保护量化分析方法，首先设计构建用户位置服务隐私保护的最优策略模型，再据此对应设计构建攻击者隐私攻击策略模型，最后基于博弈论思路，针对用户位置服务隐私保护的最优策略模型和攻击者隐私攻击策略模型，进行仿真实验，针对仿真结果进行验证分析，实现针对用户位置服务隐私保护效果的评价，针对攻击者利用用户历史轨迹数据分析用户具体的移动行为，而且掌握用户使用的位置隐私保护算法的情况，能够很好的实现针对用户在一段时间内多个位置的隐私保护效果的评估。

主权项

一种位置服务中隐私保护量化分析方法，其特征在于，包括如下步骤：步骤001.设计构建用户位置服务隐私保护的最优策略模型如下：$\mathrm{Maximize}\underset{r_{t,n}^{\prime }\in R_{t,,n}^{\prime }}{\Sigma }{X}_{r_{t,n}^{\prime }}$$X_{r_{t,n}^{\prime }}=\underset{{\hat{r}}_{t,n}\in {\hat{R}}_{t,n}}{\min }\underset{{\hat{P}}_{t,n}\in {\hat{P}}_{t,n}}{\min }\underset{r_{t,n}\in R_{t,n}}{\Sigma }\underset{p_{t,n}\in P_{t,n}}{\Sigma }P\left(r_{t,n}\right|r_{t,n}^{\prime })·d_p^n({\hat{r}}_{t,n},r_{t,n})·d_a^n({\hat{p}}_{t,n},p_{t,n})$其中满足约束条件如下：$X_{r_{t,n}^{\prime }}\le \underset{r_{t,n}\in R_{t,n}}{\Sigma }\underset{p_{t,n}\in P_{t,n}}{\Sigma }\omega \left(r_{t,n}\right)·\underset{i\in {\beta }_1}{\Pi }f\left(r_i^{\prime }\right|r_i)·d_p^n({\hat{r}}_{t,n},r_{t,n})·d_a^n({\hat{p}}_{t,n},p_{t,n}),\forall {\hat{r}}_{t,n}\in {\hat{R}}_{t,n},\forall r_{t,n}^{\prime }\in R_{t,n}^{\prime },\forall {\hat{p}}_{t,n}\in {\hat{P}}_{t,n};$$Q_{\mathrm{loss}}=\underset{r_{t,n}\in R_{t,n}}{\Sigma }\omega \left(r_{t,n}\right)\underset{r_{t,n}^{\prime }\in R_{t,n}^{\prime }}{\Sigma }\underset{i\in {\beta }_1}{\Pi }f\left(r_i^{\prime }\right|r_i)·\underset{i\in {\beta }_1}{\Pi }{d}_q(r_i^{\prime },r_i)\le Q_{\mathrm{loss}}^{\max };$$\underset{r_{t,n}^{\prime }}{\Sigma }\underset{i\in {\beta }_1}{\Pi }f\left(r_i^{\prime }\right|r_i)=1,\forall r_{t,n}\in R_{t,n};$$\underset{i\in {\beta }_1}{\Pi }f\left(r_i^{\prime }\right|r_i)\ge 0,\forall r_{t,n}\in R_{t,n},\forall r_{t,n}^{\prime }\in R_{t,n}^{\prime };$β₁＝{i∈[1,n]|r_i∈r_t,n^r_i′∈r_t,′_n}；其中,r_t,n＝{r₁,…,r_n},r_i∈r_t,n,r_i表示用户在t时长时间段内发布第i个位置服务请求所对应的真实位置；r_t,n表示用户在t时长时间段内发布n个位置服务请求所对应的真实位置序列；由至少一个r_t,n构成集合R_t,n，R_t,n表示用户分别对应于各个t时长时间段内分别发布n个位置服务请求所对应真实位置序列r_t,n的集合；r'_t,n＝{r₁',…,r_n'}，r_i'∈r'_t,n，r_i'表示用户在t时长时间段内发布第i个位置服务请求对应的真实位置r_i，经过位置隐私保护机制函数f转换，获得对应的假位置；r'_t,n表示用户在t时长时间段内发布n个位置服务请求所分别对应真实位置，分别经过位置隐私保护机制函数f转换，获得构成对应的假位置序列；由至少一个r'_t,n构成集合R'_t,n，R'_t,n表示用户分别对应于各个t时长时间段内分别发布n个位置服务请求所对应假位置序列r'_t，n的集合；表示攻击者根据用户在t时长时间段内发送给服务提供商的假位置r_i'，获得对应的用户真实位置估计；表示攻击者根据用户在t时长时间段内发布n个位置服务请求所对应发送给服务提供商的假位置序列，获得对应的用户真实位置估计序列；由至少一个构成集合表示攻击者根据用户分别对应于各个t时长时间段内分别发布n个位置服务请求所对应发送给服务提供商的假位置序列，获得对应的用户真实位置估计序列的集合；p_t,n＝{p₁,…,p_n}，p_i∈p_t,n，p_i表示用户在t时长时间段内发布第i个位置服务请求对应的真实兴趣点，各个兴趣点分别由至少一个位置组成；p_t,n表示用户在t时长时间段内发布n个位置服务请求所对应的真实兴趣点序列；由至少一个p_t,n构成集合P_t,n，P_t,n表示用户分别对应于各个t时长时间段内分别发布n个位置服务请求所对应真实兴趣点序列p_t,n的集合；表示攻击者根据其所获用户在t时长时间段内的用户真实位置估计进一步获得对应的用户真实兴趣点估计；表示攻击者根据其所获用户在t时长时间段内的用户真实位置估计序列进一步获得对应的用户真实兴趣点估计序列；由至少一个构成集合表示攻击者根据其所获用户分别对应于各个t时长时间段内用户真实位置估计序列进一步获得对应的用户真实兴趣点估计序列的集合；P(r_t,n|r'_t,n)表示攻击者获得用户在t时长时间段内发送给服务提供商的假位置序列r'_t,n条件下，该用户所对应真实位置序列为r_t,n的概率；表示用户在t时长时间段内发布n个位置服务请求所对应真实位置序列中各个真实位置，与攻击者所获对应用户真实位置估计序列中各个用户真实位置估计之间的比较度量函数；表示用户在t时长时间段内发布n个位置服务请求所对应真实兴趣点序列中各个真实兴趣点，与攻击者所获对应用户真实兴趣点估计序列中各个用户真实兴趣点估计之间的比较度量函数；ω(·)表示用户移动模式；为预设最大可容忍位置服务质量损失值,即用户发布位置服务请求的真实位置与对应假位置间的最大扭曲度，Q_loss为位置服务质量损失值，用于描述用户发布位置服务请求的真实位置与对应假位置间的扭曲度；步骤002.根据用户位置服务隐私保护的最优策略模型，对应设计构建攻击者隐私攻击策略模型如下：$\mathrm{Minimize}\underset{r_{t,n}\in R_{t,n}}{\Sigma }\underset{p_{t,n}\in P_{t,n}}{\Sigma }\omega \left(r_{t,n}\right)·Y_{r_{t,n}}+z·Q_{\mathrm{loss}}^{\max }$$Y_{r_{t,n}}=\underset{r_{t,n}^{\prime }\in R_{t,n}^{\prime }}{\max }\underset{{\hat{r}}_{t,n}\in {\hat{R}}_{t,n}}{\Sigma }\underset{{\hat{p}}_{t,n}\in {\hat{P}}_{t,n}}{\Sigma }\underset{i\in {\beta }_2}{\Pi }h\left({\hat{r}}_i\right|r_i^{\prime })·\underset{i\in {\beta }_3}{\Pi }g\left({\hat{p}}_i\right|r_{t,n}^{\prime })·d_p^n({\hat{r}}_{t,n},r_{t,n})·d_a^n({\hat{p}}_{t,n},p_{t,n})$其中满足约束条件如下：$Y_{r_{t,n}}\ge \underset{{\hat{r}}_{t,n}\in {\hat{R}}_{t,n}}{\Sigma }\underset{{\hat{p}}_{t,n}\in {\hat{P}}_{t,n}}{\Sigma }\underset{i\in {\beta }_2}{\Pi }h\left({\hat{r}}_i\right|r_i^{\prime })·\underset{i\in {\beta }_3}{\Pi }g\left({\hat{p}}_i\right|r_{t,n}^{\prime })·d_p^n({\hat{r}}_{t,n},r_{t,n})·d_a^n({\hat{p}}_{t,n},p_{t,n})+z·\underset{i\in {\beta }_1}{\Pi }{d}_q(r_i^{\prime },r_i),;$$\forall r_{t,n}\in R_{t,n},\forall r_{t,n}^{\prime }\in R_{t,n}^{\prime },\forall p_{t,n}\in P_{t,n}$$\underset{{\hat{r}}_{t,n}\in {\hat{R}}_{t,n}}{\Sigma }\underset{{\hat{p}}_{t,n}\in {\hat{P}}_{t,n}}{\Sigma }\underset{i\in {\beta }_2}{\Pi }h\left({\hat{r}}_i\right|r_i^{\prime })·\underset{i\in {\beta }_3}{\Pi }g\left({\hat{p}}_i\right|r_{t,n}^{\prime })=1,\forall r_{t,n}^{\prime }\in R_{t,n}^{\prime };$$\underset{i\in {\beta }_2}{\Pi }h\left({\hat{r}}_i\right|r_i^{\prime })·\underset{i\in {\beta }_3}{\Pi }g\left({\hat{p}}_i\right|r_{t,n}^{\prime })\ge 0,\forall r_{t,n}^{\prime }\in R_{t,n}^{\prime },\forall {\hat{p}}_{t,n}\in {\hat{p}}_{t,n},\forall {\hat{r}}_{t,n}\in {\hat{R}}_{t,n};$${\beta }_2=\{i\in [1,n\left]\right|r_i\in {\hat{r}}_{t,n}^r_i^{\prime }\in r_{t,n}^{\prime }\};$${\beta }_3=\{i\in [1,n\left]\right|{\hat{p}}_i\in {\hat{p}}_{t,n}\};$z≥0；其中，h(·)表示攻击者针对用户位置的攻击函数，g(·)表示攻击者针对用户兴趣点的攻击函数；z为预设用户真实位置隐私保护与位置服务质量损失值之间的对应关系；d_q(r_i',r_i)表示用户在t时长时间段内真实位置r_i与其对应假位置r_i'之间的欧几里德距离；步骤003.根据用户位置服务隐私保护的最优策略模型和攻击者隐私攻击策略模型，进行仿真实验，根据如下所示用户隐私模型$\begin{array}{c}\mathrm{UP}(\omega ,f^n,h^n,g^n,d_p^n,d_a^n)=\\ \underset{r_{t,n}\in R_{t,n},r_{t,n}^{\prime }\in R_{t,n}^{\prime },}{\Sigma }\underset{{\hat{r}}_{t,n}\in {\hat{R}}_{t,n}{p}_{t,n}\in P_{t,n},{\hat{p}}_{t,n}\in {\hat{P}}_{t,n}}{\Sigma }\omega \left(r_{t,n}\right)·f^n\left(r_{t,n}^{\prime }\right|r_{t,n})·h^n\left({\hat{r}}_{t,n}\right|r_{t,n}^{\prime })·g^n\left({\hat{P}}_{t,n}\right|r_{t,n}^{\prime })·{d_p^n({\hat{r}}_{t,n},r_{t,n})d}_a^n({\hat{P}}_{t,n},p_{t,n})\end{array}$针对仿真结果进行验证分析，实现针对用户位置服务隐私保护效果的评价。