面向非连续查询的位置隐私保护技术研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:lichangsong3
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着智能设备的普及,移动应用得到迅速的发展。这些应用往往依赖于基于位置的服务,通过使用用户的坐标位置或者语义/逻辑位置为用户提供个性化服务内容。基于位置服务的应用对用户位置信息的访问带来了严重的隐私隐患,为了使用户在获得基于位置服务的同时保障其隐私不受侵犯,研究者们针对位置隐私定义以及隐私与功能之间的最优化权衡展开了研究。
  现有的隐私定义主要基于信息论和差分隐私这两个概念,且主要针对用户的坐标位置进行量化。然而,即使在仅考虑基于用户坐标位置的隐私保护方案中,不同的隐私定义仍然存在着不同的缺陷,无法准确有效地衡量隐私。此外,尽管研究者们针对基于语义和逻辑位置的隐私保护机制提供了隐私和服务质量计算标准,但该标准在衡量隐私和服务质量时仍然存在缺陷。本文在面向非连续查询的场景下对上述问题展开研究,主要工作包括:
  针对仅考虑用户坐标位置场景下的位置隐私定义,本文通过分析提出,差分隐私其隐私定义过于严格,存在长尾现象,且不适用于位置服务场景。针对此问题,本文提出了一种改进差分隐私的隐私定义方式。在此基础上,通过用户与攻击者之间的博弈关系构建了最优化隐私保护机制并研究了其求解算法。最后,以多种现有隐私定义为标准,本文将所提出的机制与现有的最优化保护机制进行了对比实验,实验结果验证了本文提出的隐私定义的正确性以及最优化隐私保护机制的有效性。
  针对基于逻辑或语义场景下隐私和服务质量标准存在缺陷的问题,本文提出了粒度与粒度无关性概念,并讨论了一个满足粒度无关性的充分条件。基于现有最优化机制,本文提出了一个满足粒度无关性的机制并研究了一种改进的加速机制,对上述机制分别进行了理论证明和实验验证。最后,基于自然语言处理(Natural Language Process,NLP),本文对现有位置应用进行了分类统计,验证了针对基于语义或逻辑场景下的隐私保护研究具有重要意义。
  基于理论研究成果,本文对Android系统下用户定位方式进行了详细分析,并利用Xposed工具实现了一个基于Client/Server模式的位置隐私保护原型系统。Client端主要包含位置信息拦截模块与用户交互模块,Server 端主要包含隐私保护模块,Client 端与Server端合并实现了用户位置信息的实时防护。最后,基于现有的坐标和语义或逻辑位置应用,本文对原型系统进行了功能和性能测试,验证了原型系统对隐私保护的有效性以及实际部署的可行性。
  综上所述,本论文针对现有位置隐私保护中基于坐标场景以及基于逻辑或语义场景下的现有隐私定义与保护机制的缺陷展开研究工作,分别研究了基于差分隐私的坐标位置隐私保护机制和基于粒度无关性的逻辑与语义位置隐私保护机制,最后基于 Android平台下的Xposed工具设计与实现了一个位置隐私保护原型系统。
其他文献
深度神经网络的训练任务通常具备计算和存储密集的特性,往往需要依赖于 GPU集群中大量 GPU 计算以及显存资源,并通过分布式训练以提升训练效率。传统分布式训练中数据并行的方式因参数同步存在巨大通信开销,而模型并行则由于计算依赖性导致 GPU 利用率较低,均影响了分布式训练的效率。为此,最新的流水线分布式训练在模型并行基础上,通过分时注入训练数据的方式显著增加 GPU 利用率。然而,在现有的GPU集
学位
随着数据共享的不断深入,对描述数据产生与演化原理的世系工作流(Provenance Workflow)进行共享发布的需求日益迫切,世系工作流在追踪历史信息、数据恢复、数据来源引用等方面有重要应用价值,直接对世系工作流进行共享发布存在泄露工作流隐私风险,世系工作流共享发布中的隐私保护问题已成为研究者关注的热点。针对现有世系工作流模块隐私与结构隐私保护方法存在的不足,提出维持溯源查询可用的隐私保护世系
学位
我国的心血管疾病死亡率居各病因之首,占居民疾病死亡构成的40%以上,心律失常是心血管疾病中重要的一组疾病,标准的12导联心电信号是诊断心律失常的重要工具,基于心电信号的心律失常自动检测对预防和治疗心血管疾病有重要意义。虽然12导联心电图信号比单导联心电图提供了更全面的心律失常信息,然而不同导联之间的信息很难有效融合,因此,基于12导联心电开发一种具有较高准确性和较强泛化能力的的心律失常自动检测算法
学位
面向服务的架构(Service-Oriented Architecture,缩写SOA)由于其应用程序接口独立、资源可共享和重用的特点得到广泛的利用,解决了传统应用架构应用程序难以管理、系统依赖特殊环境的问题。服务集成框架是适用于实时分布式应用领域的 SOA 实现方案,由于缺乏服务组合机制,系统中大量已有可用服务难以被有效复用。而现有的服务组合机制难以直接应用在同时支持发布订阅和请求应答两种通信方
随着X射线计算机断层成像(X-ray Computed Tomography,CT)在现代医学中的应用越来越广泛,CT 检查中潜在的辐射风险也引起了广泛的关注,过量的辐射容易诱发白血病以及癌症等疾病,因此,降低CT扫描过程中的辐射剂量刻不容缓。但是降低CT扫描过程中的辐射剂量会导致重建后的CT 图像中的信噪比降低,CT 图像中存在着严重的噪声和伪影,进而影响医生的诊断。为了提高在低扫描剂量下CT图
当今,网络数据作为一种广泛使用的数据载体,正逐渐成为人们认知并抽象世界的一种方式之一。网络中除了节点和边的信息外,往往还包括丰富的节点属性,蕴含巨大的价值。网络表示学习,是一种旨在将网络数据中的节点表示成低维、稠密且是实值向量表示形式的新颖的表示学习方法,学习到的向量表示将会用于各类下游任务如节点分类和链路预测中以提升性能。然而现有的深度网络表示学习方法由于忽略了嵌入表示的分布容易陷入过拟合问题,
协同众包是指需要多人共同合作完成复杂任务的众包。由于工人需要相互协作才能完成任务,因此工人之间的协同代价是影响团队合作效率和质量的重要因素。与以往团队形成问题中基于社会网络通信成本计算协同代价模型不同的是,本文基于工人对互相之间协同情况的反馈计算工人之间的协同代价。所以,本文首先基于工人反馈研究复杂任务被分解后的协同众包团队形成问题,然后在该研究的基础上,本文针对工人的不诚实性和工人的信誉因素对问
学位
图像超分辨率技术是指通过软件算法来提高图像的空间分辨率并恢复更高频率的细节信息,从而获得更丰富的图像内容。如今,图像超分辨率技术在视频处理领域获得了更多的关注,视频超分辨率成为研究热点。得益于硬件成本低、部署难度小等优势,视频超分辨率技术可以嵌入在录制、传输、播放、应用等各个阶段,对于提高成像质量、降低传输带宽、改善视觉体验、优化智能应用等方面均可起到突出作用,具有极高的应用价值。本文主要关注视频
学位
近年来,实值神经网络(Real Neural Network,Real NN)在学术界和工业界受到广泛关注,网络的构造、推广及其合理的解释是当前人工智能应用基础理论研究的重要研究内容。作为深度学习的经典学习模型,实值卷积神经网络(Real Convolutional Neural Network,Real CNN)在语音识别、图像处理、医学辅助诊断等领域均取得了显著成果,但是它的网络结构中通常不考
近些年来各行各业高速发展,对人才的选择日趋重要,人才选择最重要的是人才评估。尽管当前招聘形式种类多样,但人才评估依赖于学历证明的情况并没有发生改变,这导致学历造假现象层出不穷。此外,各大企业招聘人才需大量笔试、面试,导致招聘效率低下,且应试型考试能够考前突击,从而取得很好成绩,并不能真实评估人才水平。基于学习经历大数据(以下简称学历数据)生成学生画像,进而实现客观人才评估的方法,近年来受到了很大关
学位