基于位置语义和查询概率的假位置选择算法.docx

《基于位置语义和查询概率的假位置选择算法》探讨的是如何在保护用户位置隐私的前提下，有效使用基于位置的服务（LBS）。随着移动智能设备的普及，LBS为用户提供诸如导航、周边信息查询等便利，但同时也带来隐私泄露的风险。LBS服务器可能会获取用户的地理位置信息，从而推断出用户的敏感信息。因此，位置隐私保护显得尤为重要。 k-匿名是一种常见的位置隐私保护方法，通过将真实位置泛化为包含k个位置的区域。然而，现有的k-匿名技术往往依赖于欧氏距离或余弦距离来衡量位置的语义差异，这可能导致计算量大、效率低下。文献引用了一种基于树形结构和位置节点跳数计算语义距离的方法，但这种方法在处理低访问概率的位置时存在漏洞，容易被攻击者识破。 文章提出了一种名为最大最小假位置选择（MMDS）的新算法，该算法综合考虑了位置语义、查询概率和地理位置的分布。MMDS确保生成的假位置集合中的k个位置在语义上有足够的差异性；它力求假位置间的查询概率接近，以降低被识别的可能性；它通过优化地理位置的分散度，防止对手将真实位置局限在一个小区域内。 系统架构包括Wi-Fi接入点、LBS服务器和智能终端。Wi-Fi AP收集和存储位置语义信息及历史查询概率，智能终端执行假位置选择算法，LBS服务器则提供服务并处理来自用户的查询请求。攻击者可能掌握用户的位置匿名机制、查询概率和语义信息，而MMDS算法正是针对这种情况设计的。 假位置集的构建原则包括匿名度（k值）和语义差异度（u值）。匿名度保证每次查询时发送的真位置和假位置比例，语义差异度确保假位置之间的语义距离达到一定的最小值。位置地图距离的计算则涉及对Wi-Fi AP覆盖范围内的地图信息的分析。 通过仿真实验，MMDS算法在假位置生成时间、物理分散度、语义差异性和位置熵四个指标上与其他算法进行比较，验证了其在保护位置隐私方面的有效性。总体来说，MMDS算法旨在解决现有位置隐私保护方案的不足，提高用户隐私保护水平，同时保证LBS服务的质量。