一种基于兴趣点分布的匿名框KNN查询方法

朱顺痣; 黄亮; 周长利; 马樱

doi:10.3969/j.issn.0372-2112.2016.10.021

您当前的位置：

首页 >

文章列表页 >

一种基于兴趣点分布的匿名框KNN查询方法

学术论文 | 更新时间：2025-07-16

- 一种基于兴趣点分布的匿名框KNN查询方法
- A Privacy-Preserving Method Based on PoIs Distribution Using Cloaking Region for K Nearest Neighbor Query
- 电子学报 2016年44卷第10期页码：2423-2431
- 作者机构：
  
  1. 厦门理工学院计算机与信息工程学院,福建,厦门,361024
  2. 国家计算机网络应急技术处理协调中心,北京,100029
  3. 华侨大学计算机科学与技术学院,福建,厦门,361021
  4. 厦门理工学院计算机与信息工程学院,福建,厦门,361024
  5. 国家计算机网络应急技术处理协调中心,北京,100029
  6. 华侨大学计算机科学与技术学院,福建,厦门,361021
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61373147，No.61502404）;福建省自然科学基金 (No.2016Y0079，No.2015J05132）;福建省教育厅A类项目 (No.JA14234）
- DOI：10.3969/j.issn.0372-2112.2016.10.021
  中图分类号： TP311
- 纸质出版：2016
- 稿件说明：
移动端阅览
朱顺痣, 黄亮, 周长利, 等. 一种基于兴趣点分布的匿名框KNN查询方法[J]. 电子学报, 2016,44(10):2423-2431.

ZHU Shun-zhi, HUANG Liang, ZHOU Chang-li, et al. A Privacy-Preserving Method Based on PoIs Distribution Using Cloaking Region for K Nearest Neighbor Query[J]. Acta Electronica Sinica, 2016, 44(10): 2423-2431.
朱顺痣, 黄亮, 周长利, 等. 一种基于兴趣点分布的匿名框KNN查询方法[J]. 电子学报, 2016,44(10):2423-2431. DOI： 10.3969/j.issn.0372-2112.2016.10.021.

ZHU Shun-zhi, HUANG Liang, ZHOU Chang-li, et al. A Privacy-Preserving Method Based on PoIs Distribution Using Cloaking Region for K Nearest Neighbor Query[J]. Acta Electronica Sinica, 2016, 44(10): 2423-2431. DOI： 10.3969/j.issn.0372-2112.2016.10.021.

摘要

针对利用匿名框实现的兴趣点

近邻

NN）查询带来的通信开销大、时延长等问题，提出了基于单一兴趣点Voronoi图划分和四叉树层次化组织的

NN查询方法.该方法根据兴趣点层次信息有针对性的构造查询匿名框用来获取详细查询信息，在保护位置隐私的同时，降低了查询通信开销，同时注入虚假查询保护了用户的真实查询内容隐私.最后分别采用模拟地理数据和真实地理数据进行理论分析和有效性验证.

Abstract

Achieving

NN query with traditional cloaking region brings higher communication cost and delay caused by useless points of interest (PoI) returned

a new

NN query method is proposed.Based on Voronoi diagram division of PoIs and hierarchical index quadtree structure

cloaking region can be constructed purposefully.Due to the targeted query request

the communication cost is decreasing compared with traditional cloaking region methods.And injecting fake query requests makes the query content privacy preserving work.We have verified the effectiveness of our proposal by analysis and experiments.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据