[精品]社交网络中的位置隐私保护研究.doc

《[精品]社交网络中的位置隐私保护研究.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、社交网络中的位置隐私保护研究社交网络中的位置隐私保护研究摘耍：随着智能终端设备和社交网络服务的广泛使用，移动互联网发展的一个重要趋势是社交、位置和移动相融合，在这些应用屮，位置是一项非常重耍的信息。该文从位置隐私泄露的风险出发，介绍了几种位置隐私保护技术，比较它们的优劣，提出了移动感知的匿位区域生成方法，通过信息爛理论将用户位置的不可推测性最大化，实现了社交网络中个人隐私保护。关键词：社交网络;个人位置；隐私保护；匿名模型中图分类号：TP393文献标识码：A文章编号：1009-3044(2014)28-6616-04随着智能终端设备(如手机、平板电脑等)和社交网络服务(SNS

2、)的广泛使用，移动互联网发展的一个重耍趋势是社交、位置和移动相融合［1］。不仅社交网站如FaceBook、Twitter、新浪微博等都扩展了位置服务(Location-baseService)功能，传统的位置服务如周边信息搜索(如微信/QQ)也加入了社交化元素，形成了全新的移动社交网络。在这些应用中，位置是一项非常重要的信息。按用途来分，位置数据可分为三类：第一类是作为服务的输入信息，比如耍查找周边的事物如餐馆、银行，需要用户提供当前的位置；第二类是用户主动分享的数据，比如位置签到；第三类是作为服务的使用代价，现在有不少应用提供免费使用，但会耍求访问用户位置等个人信息。位置也

3、是一项非常敏感的信息,除了位置信息本身涉及个人隐私，通过位置信息还可以推测出用户的其它信息。根据爱伦・威斯汀(AlanWestin)在《PrivacyandFreedom))一书［2］中的定义，隐私是指个人或团体决定何时、在何种程度下、以何种方式把关于自己的信息传达给他人的权利。换句话说，隐私是指用户不想泄露的个人信息。因此，位置隐私保护主要针对上述第一类位置信息，使用时做到既能保护位置信息，又不影响止常的位置服务。位置信息的不当使用或外泄可能会造成各种各样的风险。比如，通过统计用户常去的地方，攻击者可推测用户的私人信息，如兴趣爱好、生活习惯、健康状况等等。又如，知道了用户晚

4、上经常待的地方，攻击者可以推断用户的家庭住址，进而估计用户的收入水平等。另外，如果广告商获知了用户的当前位置，就可以向用户推送与位置相关的广告，可能对用户造成不必要的骚扰。随着大数据(bigdata)时代的到来，位置信息外泄的风险变得更大了，原因在于攻击者从各种渠道可获取的数据更多更广，运用多数据源的交叉比对、协同分析等手段可对个人隐私信息进行史精准细致的推测［3］o目前，工业界对位置隐私保护通常釆用的方法是基于规则协议的策略，在访问用户位置前需取得用户的授权。比较好的方法是遵循“最小特权原则”，即服务提供商只会在必要的情况下存取用户的位置信息，并且不会长期保存用户数据而用于

5、其它非授权的用途。但这种方法的前提是对服务提供商有足够的信任度，同时也对服务提供商的系统可靠性提出了非常高的要求。不幸的是，即使是完全遵从安全规范的服务提供商，也无法避免系统性的安全漏洞，用户的个人信息依有可能外泄。另一种做法是移除用户的ID标识信息，对位置数据进行匿名化处理。最近美国麻省理工学院的研究人员通过对150多万移动用户长达15个月的轨迹数据分析发现，人们的移动模式是非常独特的，只要给出4个独立的位置点，就能识别出95%以上的用户［4］。换言之，对位置数据进行简单的匿名化处理(如去掉ID标识)不足以保护用户的位置隐私。因此，学术界近年来致力于研究更可靠的位置隐私保护

6、技术，希望最大限度地保护用户位置等个人信息。该项研究主要面临以下挑战：首先，位置隐私保护是个性化的需求。不同的用户有不同的隐私保护要求。即使是同一用户，在不同的时间、地点对隐私保护的要求也可能不同。其次，位置隐私保护与位置信息可用性是一对矛盾体。服务提供商需要获得用户的位置信息来处理与位置相关的服务请求，而这乂恰恰是用户希望保护的个人隐私信息。因此，位置隐私保护技术需要在隐私保护与信息可用性之间取得一个很好的平衡。针对这些挑战，现有的位置隐私保护技术大致分为两类：1)时空匿位(cloaking)技术［5-12］：降低位置信息的吋空粒度，根据易受到基于背景知识的攻击，用一个吋空

7、区域来表示用户的大概位置。2)零隐私泄露技术［13-18］：采用计算密码学的方法，对位置数据进行加密处理，进而在密文空间内进行相关信息搜索服务的计算。时空匿位技术对位置隐私的保护力度有限，容易受到基于背景知识的攻击，但其计算代价比较低。而零隐私泄露技术的计算代价比较高，但可以做到对位置隐私的完全保护，但降低了位置信息的可用性。1吋空匿位保护技术1・1基于粒度的空间匿位吋空匿位技术允许用户定义可暴露的位置粒度。文献［5〜6］着重考虑如何在满足用户隐私保护要求的前提下将匿位区域最小化，并没有考虑服务请求的内