云存储环境下动态社交网络数据隐私保护及安全服务技术

With the development of mobile social networks, both users and service providers have been confronted with the problems of data privacy and security. Aiming at the application case of mobile social networks based on cloud storage, this proposal tries to find out some important concerns related with the data privacy-preserving and secure services, when taking the dynamic nature of users or data into account. Consequently, to effectively address the current problems, five sub-projects are highlighted, which can be summarized as follows: (a) Implicit ID authentication based on user preference and touch-interaction behavior; (b) Location hidden methods based on mass peers' queries; (c) Construction of detectors on recommender systems with functions of tracking and predition; (d) "Multi-user, multi-keyword, multi-cloud server"-oriented searchable encryption machenism; (e) Privacy protection of social relations in the face of increasing (or diminishing) data release. Finally, the research results will be demonstrated through simulation (or emulation) evalutions and implementations of protype systems.

随着移动社交网络应用的普及，不论是用户还是服务提供商均面临严峻的数据安全和隐私问题。本课题立足于云存储环境下的移动社交网络应用示范，重点考虑用户及数据的动态性，从隐私保护和安全服务的视角剖析了其尚存的五个方面的关键问题。通过“基于用户偏好和触控模式的隐式身份认证机制”、“海量同等请求的位置隐匿方法”、“基于追踪预测的推荐系统安全检测技术”、“面向多用户、多关键词和多服务器的云存储可搜索加密技术”和“面向数据增量发布的动态社交关系隐私保护技术”等方面的深入研究，期望能有效的解决动态社交网络应用中所面临的隐私和安全隐患；最后通过仿真实验及原型系统等对上述理论、技术、协议和方法进行安全验证。

本项目立足于云存储环境下的移动社交网络应用，聚焦其中的数据安全和隐私保护问题，针对动态的实际应用场景，划分为五个方面的研究内容。研究内容一针对移动社交网络（设备）的隐式认证开展研究，取得的研究成果主要包括：1、基于智能眼镜的隐式认证方案，通过用户触控智能眼镜的行为模式的特征提取和训练，实现随机时刻用户无意识的隐式认证；2、基于脑电波的用户身份认证，通过用户的多范式运动想象，采集其脑电信号，经滤波、去伪迹、特征提取和训练、分类识别等，确定用户唯一合法身份。研究内容二聚焦移动社交网络中基于隐私保护的位置服务，取得的研究成果主要包括：1、基于k-匿名的海量同等请求位置隐私保护，在人口稠密的移动社交网络服务区域，采用时空序列匿名技术实现大规模位置请求的快速响应和隐私保护；2、基于历史临近位置的隐私保护，将存储的各用户的真实历史位置替换当前用户位置，实现瞬时和连续查询条件下的隐私保护。研究内容三针对移动社交网络的推荐系统应用，解决其托攻击问题，取得的研究成果主要包括：1、设计基于万有引力模型的托攻击检测方法，采用粒子滤波算法进行异常行为的追踪探测；2、设计基于时间序列窗口的检测机制，提升检测的效率和准确性。研究内容四聚焦于移动社交网络用户的云存储安全需求，取得的研究成果主要包括：1、实现了多服务器、多用户和多关键词的高效密文检索；2、通过构建语义检索树，实现了模糊关键词的可搜索加密。研究内容五采用差分隐私机制解决移动社交网络用户的个人隐私问题，取得的研究成果主要包括：1、设计了“前置处理-随机边置换-节点编号扰动-后置处理”的差分隐私模型及其隐私度量方法，实现了较好的数据可用性；2、基于边介数模型和带权图模型，实现了社区关系发现的差分隐私发布。. 本项目依托上述研究内容，取得了一系列的创新成果及其技术转换，为移动社交网络的隐私保护和安全应用提供了理论基础，具有较好的应用前景。