基于位置大数据的移动社交网络服务轨迹隐私保护研究

《基于位置大数据的移动社交网络服务轨迹隐私保护研究》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、基于位置大数据的移动社交网络服务轨迹隐私保护研究摘要：为了更有效地保护用户的轨迹隐私，提岀综合位置大数据、移动社交网络服务各自的特点，从网络技术、心理学、社会学、信息学等多角度，对用户位置与行为模式之间映射后的个性向量模糊化，全方位量化分析影响位置大数据的移动社交网络服务(Mobilesocialnetworkservicebasedonlocationbigdata,MSNSLBD)的属性，重新给出了轨迹隐私的定义，最后对MSNSLBD的研究方向及需要解决的关键技术问题进行了展望。关键词：位置大数据；移动社交网络服务；轨迹隐私；行为模式中

2、图分类号：TP393文献标志码：A文章编号：2095-2163(2016)06-0098-030引言随着移动互联网和智能移动设备的应用拓展与普及，基于位置大数据的移动社交网络服务(MobileSocialNetworkServicebasedonLocationBigData,MSNSLBD）得到了快速发展，但与此同时，MSNSLBD也随即伴生了众多新的问题，其中显著突出的一类内容展现就是用户轨迹隐私将更加容易泄露。尤其是在大数据时代，移动社交网络服务轨迹隐私保护问题已口趋精深复杂，而且又牵涉到诸多领域的时新高效技术，因而如何让用户在充分享

3、受大数据时代移动社交带来重大优势便利的同时，能够更好地保护用户的轨迹隐私，为用户的信息安全保驾护航，进而提供绿色网络环境即已成为社会与学界吸引关注、加大投入的热点与焦点。本文则针对这一课题范畴展开研究论述。[BT4]1研究进展与研究现状分析[BT5]1.1研究工作综论文献⑴提出了一种空间泛化和延迟发布相结合的方法，保护用户的轨迹隐私和缺席隐私。文献[2-3]针对轨迹数据挖掘中可能频繁访问模式的应用，提出了一种保护频繁访问模式的轨迹隐私保护方法BF-P2kAo具体地，该方法就是以前缀树为基础实现构建轨迹k-匿名集。文献⑷则设计了一种在移动社交

4、网络中推导用户位置的方法，该方法通过用户n个朋友提供的推理攻击方法已可达到80%的精确度。文献[5-6]还针对在近邻服务中，当用户在某个朋友的附近时，系统就会自动将用户的位置告知其朋友，从而可能导致用户轨迹隐私泄露给不可信的朋友或者服务提供商的情况，而相应研发了一种近邻服务中的轨迹隐私保护方法。在此基础上，更有文献［7-8］针对当前社交网络隐私属性匿名算法中存在的合理模型匮乏、属性分布特征扰动大、忽视社交结构和非敏感属性对敏感属性分布的影响等现实缺点，发展性地推出了一种基于节点分割的隐私属性匿名算法。另外，文献⑼继而又提出了一种基于GSNP

5、P算法的隐私保护方法。方法通过对社交网络中节点进行聚类，再对生成的簇通过簇内泛化及簇间泛化，来对社交网络引入匿名化处理，拟达到隐私保护的目的。此外，文献［10］也研究了基于隐私信息检索的位置大数据隐私保护技术。［BT5J1.2研究成果解析［JP2］综上探讨可知，这些文献虽然针对MSNSLBD中轨迹隐私保护获得了可观技术进展，但仍存在一定不足，具体剖析如下。［JP］1.2.1［ZK（］缺乏合理有效的MSNSLBD轨迹隐私保护算法［ZK）］大数据时代，黑客可以从多种渠道获得用户公开信息和位置数据，然后结合位置数据推测出用户的隐私信息［5］。近年

6、来，对这方面的研究都?H仅从单一网络的角度来分析影响MSNSLBD的属性，而未能综合网络技术、心理学、社会学、信息学等来全面研究针对MSNSLBD属性的关联作用，也未能灵活引入如下新情况所带来的发展新因素：在位置大数据时代，随着位置感知技术（传感设备、移动通信等）的进步，将导致事物和人的地理位置呈现出数据化⑼等情形。如此片面的研究后果，即会使得现有轨迹隐私保护算法必然缺乏必要的合理性及有效性。1.2.2[ZK（]对用户位置与行为模式之间映射关系方面的研究，尚处于起步阶段[ZK）]针对位置大数据的移动社交网络服务轨迹隐私保护，即应围绕用户位置

7、与行为模式之间的映射关系而着重展开研究，力争减弱攻击者收集到的从匿名用户位置推测可得的个性向量与不同用户之间的个性向量上的性能匹配，从而弱化两者之间的相关度。同时研究可知，保护用户位置大数据隐私的关键问题是：在确保服务可用的前提下，通过对映射后的个性向量设计执行非数据化，尽量使得个性向量实现模糊化。因而针对不同的应用特点，既要获得位置数据个性向量的模糊化结果，又要保持位置服务的准确性，亟需相关人员进一步的研究投入。[JP3]1.2.3[ZK（]对MSNSLBD轨迹隐私问题的理解尚处于比较浅的层面[ZK）][JP]分享位置为用户提供方便的同时

8、，也成为泄露用户隐私的根源，用户将不得不面对由此带来的潜在风险。如何在保护轨迹隐私、提高服务质量、增强MSNSLBD应用的吸引力之间维系最佳平衡则是时下MSNSLBD面临的严峻挑