个人移动数据收集中的多维轨迹匿名方法

doi:10.3969/j.issn.0372-2112.2013.08.032

电子学报 ›› 2013, Vol. 41 ›› Issue (8): 1653-1659.DOI: 10.3969/j.issn.0372-2112.2013.08.032

个人移动数据收集中的多维轨迹匿名方法

王丽娜^1,2, 彭瑞卿^1,2, 赵雨辰^1,2, 陈栋^1,2

1. 空天信息安全与可信计算教育部重点实验室, 湖北武汉 430072;
2. 武汉大学计算机学院, 湖北武汉 430072

收稿日期:2013-01-05 修回日期:2013-04-28 出版日期:2013-08-25
- 作者简介:
- 王丽娜 女.1964年10月出生,辽宁营口人.教授、博士生导师.1989年于东北大学获硕士学位.2001年于东北大学获得博士学位.现为武汉大学计算机学院副院长,信息安全教育部重点实验室主任,主要从事隐私保护、多媒体安全等方面的研究工作. E-mail:lnawang@163.com 彭瑞卿 男.1985年2月出生,湖北广水人.2010年于三峡大学获硕士学位.2010年进入武汉大学计算机学院信息安全专业.现为博士研究生,从事位置隐私保护、网络安全等方面的研究工作. E-mail:rqp1985@gmail.com 赵雨辰 男.1988年10月出生.辽宁鞍山人.2011年于华中科技大学获得学士学位.2011年进入武汉大学计算机学院信息安全专业.现为硕士研究生,主要从事位置隐私保护方面的研究工作. 陈栋 男.1992年10月出生.河南信阳人.2012年于湖南科技大学获得学士学位.2012年进入武汉大学计算机学院信息安全专业.现为硕士研究生,主要从事位置隐私保护方面的研究工作.
- 基金资助:
- 教育部博士点基金优先发展领域 (No.20110121130006); 国家自然科学基金 (No.60970114,No.61103219,No.41104010); 中央高校基本科研业务费专项资金 (No.2011211020002)

Multi-Dimensional Trajectory Anonymity in Collecting Personal Mobility Data

WANG Li-na^1,2, PENG Rui-qing^1,2, ZHAO Yu-chen^1,2, CHEN Dong^1,2

1. Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, Wuhan, Hubei 430072, China;
2. School of Computer, Wuhan University, Wuhan, Hubei 430072, China

Received:2013-01-05 Revised:2013-04-28 Online:2013-08-25 Published:2013-08-25

摘要/Abstract

摘要： 在情景感知位置服务中,移动互联网络的开放性使得个人移动数据面临巨大的安全风险,移动数据的时空关联特性对个人数据的隐私保护提出重大挑战.针对基于时空关联的背景知识攻击,本文提出了一种多维的轨迹匿名隐私保护方法.该方法在匿名轨迹数据收集系统的基础上,基于多用户协作的隐私保护模式,通过时间匿名和空间匿名算法,实现用户的隐私保护.实验结果表明,该方法可以有效的对抗基于位置和移动方式的背景知识攻击,满足了k-匿名的隐私保护要求.

关键词: 隐私保护, 匿名, 个人移动数据, 基于位置的服务

Abstract: In the Context-Aware location services,the opening characteristic of the mobile network brings some security risks for personal mobility data.The spatial-temporal correlation of the mobility data is a great challenge for protecting privacy of the users.To solve the background knowledge attack based on the spatial-temporal correlation,we proposed a privacy protection method based on multi-dimensional trajectory anonymity in this paper.This method is built on the anonymous trajectory data collection system and achieves the protection of user privacy through spatial-temporal anonymity algorithm based on the multi-user collaboration privacy protection mode.The experimental results demonstrated that this method can prevent the background knowledge attack based on the position and moving mode effectively and meets the demands of the privacy protect of k-Anonymity.

Key words: privacy protect, anonymity, personal mobility data, location-based service

中图分类号:

TP393.0

王丽娜, 彭瑞卿, 赵雨辰, 陈栋. 个人移动数据收集中的多维轨迹匿名方法[J]. 电子学报, 2013, 41(8): 1653-1659.

WANG Li-na, PENG Rui-qing, ZHAO Yu-chen, CHEN Dong. Multi-Dimensional Trajectory Anonymity in Collecting Personal Mobility Data[J]. Acta Electronica Sinica, 2013, 41(8): 1653-1659.

参考文献

[1] 刘经南,郭迟,彭瑞卿.移动互联网时代的位置服务[J].中国计算机学会通讯,2011,7(12):40-50. Jingnan Liu,Chi Guo,Ruiqing Peng.LBS in mobile internet[J].Communication of the CCF,2011,7(12):40-50.(in Chinese)
[2] Bonchi F,Lakshmanan L V S,Wang H (Wendy).Trajectory anonymity in publishing personal mobility data[J].ACM Sigkdd Explorations Newsletter,2011,13(1):30-42.
[3] Freudiger J,Shokri R,Hubaux J P.Evaluating the privacy risk of location-based services[A].Financial Cryptography and Data Security[C].Berlin:Springer,2012.31-46.
[4] Gruteser M,Grunwald D.Anonymous usage of location-based services through spatial and temporal cloaking[A].1st International Conference on Mobile Systems,Applications and Services[C].New York:ACM,2003.31-42.
[5] Damiani M L,Bertino E,Silvestri C.Protecting location privacy against spatial inferences[A].2nd SIGSPATIAL ACM GIS 2009 International Workshop on Security and Privacy in GIS and LBS SPRINGL 09[C].New York:ACM,2009.32-41.
[6] Kalnis P,Ghinita G,Mouratidis K,et al.Preventing location-based identity inference in anonymous spatial queries[J].IEEE Transactions on Knowledge and Data Engineering,2007,19(12):1719-1733.
[7] Jianguo H,Yiqi D.Achieving controllable privacy protection in position service for VANETs[J].Chinese Journal of Electronics,2011,20(3):395-400.
[8] Machanavajjhala A,Kifer D,Gehrke J,et al.L-diversity:Privacy beyond k-anonymity[J].ACM Transactions on Knowledge Discovery from Data,2007,1(1):3-55.
[9] 杨高明,杨静,张健沛.聚类的(α,k)-匿名数据发布[J].电子学报,2011,39(8):1941-1946. Yang Gaomin,Yang Jing,Zhang Jianpei.Achieveing (α,k)-anonymity via clustering in data publishing[J].Acta Electronica Sinica,2011,39(8):1941-1946.(in Chinese)
[10] Yarovoy R,Bonchi F,Lakshmanan L V S,et al.Anonymizing moving objects:how to hide a MOB in a crowd?[A].The 12th International Conference on Extending Database Technology:Advances in Database Technology[C].Saint-Petersburg:ACM,2009.72-83.
[11] Gidófalvi G,Huang X,Pedersen T B.Privacy-preserving data mining on moving object trajectories[A].2007 International Conference on Mobile Data Management[C].Washington:ACM,2007.60-68.
[12] Nergiz M E,Atzori M,Saygin Y.Towards trajectory anonymization:A generalization-based approach[J].ACM Transactions on Data Privacy,2009,2(1):47-75.
[13] Gidófalvi G,Huang X,Pedersen T B.Privacy - Preserving trajectory collection[A].The 16th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems[C].New York:ACM,2008.1-4.
[14] De B M,Cheong O,Van K M.Computational Geometry:Algorithms and Applications[M].CA,USA:Springer,2008.
[15] Gedik B,Liu L.Location privacy in mobile systems:A personalized anonymization model[A].the 25th IEEE International Conference on Distributed Computing Systems[C].Columbus,OH,USA:IEEE,2005.620-629.
[16] Ghinita G,Kalnis P,Khoshgozaran A,et al.Private queries in location based services:anonymizers are not necessary[A].The 2008 ACM SIGMOD International Conference on Management of Data[C].New York,NY,USA:ACM,2008.121-132.

个人移动数据收集中的多维轨迹匿名方法

Multi-Dimensional Trajectory Anonymity in Collecting Personal Mobility Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	张少波, 原刘杰, 毛新军, 朱更明. 基于本地差分隐私的K-modes聚类数据隐私保护方法[J]. 电子学报, 2022, 50(9): 2181-2188.
[2]	丁毅, 沈薇, 李海生, 钟琼慧, 田明宇, 李洁. 面向CNN的区块链可信隐私服务计算模型[J]. 电子学报, 2022, 50(6): 1399-1409.
[3]	袁水莲, 皮德常, 胥萌. 基于差分隐私的轨迹隐私保护方法[J]. 电子学报, 2021, 49(7): 1266-1273.
[4]	朱健, 胡凯, 张伯钧. 智能合约的形式化验证方法研究综述[J]. 电子学报, 2021, 49(4): 792-804.
[5]	郑孝遥, 罗永龙, 汪祥舜, 孙丽萍, 陈付龙, 胡桂银, 汪小寒. 基于位置服务的分布式差分隐私推荐方法研究[J]. 电子学报, 2021, 49(1): 99-110.
[6]	张文芳, 雷丽婷, 王小敏, 王宇. 面向云服务的安全高效无证书聚合签名车联网认证密钥协商协议[J]. 电子学报, 2020, 48(9): 1814-1823.
[7]	陈传明, 林文诗, 俞庆英, 罗永龙. 一种基于单点收益的轨迹隐私保护方法[J]. 电子学报, 2020, 48(1): 143-152.
[8]	宋海娜, 罗涛, 韩新宇, 李剑峰. 面向多敏感值的个性化随机响应机制设计与分析[J]. 电子学报, 2019, 47(6): 1236-1243.
[9]	杨高明, 朱海明, 方贤进, 苏树智. 局部差分隐私约束的关联属性不变后随机响应扰动[J]. 电子学报, 2019, 47(5): 1079-1085.
[10]	罗恩韬, 陈淑红, 王文博, 张少波, PINIAL Khan-butt. 移动社交网络多密钥混淆的交友隐私保护方案研究[J]. 电子学报, 2018, 46(9): 2123-2130.
[11]	侯红霞, 杨波, 周彦伟. 基于对偶系统的匿名身份基哈希证明系统及其应用[J]. 电子学报, 2018, 46(7): 1675-1682.
[12]	尹鑫, 田有亮, 王海龙. 面向大数据定价的委托拍卖方案[J]. 电子学报, 2018, 46(5): 1113-1120.
[13]	赵艳琦, 来齐齐, 禹勇, 杨波, 赵一. 标准模型下基于身份的环签名方案[J]. 电子学报, 2018, 46(4): 1019-1024.
[14]	鲜征征, 李启良, 黄晓宇, 陆寄远, 李磊. 融合显/隐式信任协同过滤算法的差分隐私保护[J]. 电子学报, 2018, 46(12): 3050-3059.
[15]	王涛春, 秦小麟, 张吉, 丁有伟, 陈付龙, 罗永龙. 传感器网络中基于路线的隐私保护数据聚集算法[J]. 电子学报, 2017, 45(6): 1334-1341.