位置服务中的用户隐私度量模型及保护方法研究

Location-based service (LBS), as a new model of network service, has become the standard configuration and fundamental service of Mobile Internet, and accordingly, has been highly valued and focused among the academia and industry. However, user privacy issues in LBS lead to severe challenges for the popularization and development of the LBS, and has become one of the most vital criteria being an obstacle to the development of the LBS. This project focuses on the user privacy threats in LBS and aims to investigate the theoretical model, methods and key technologies of user privacy-preserving in LBS. The main research work includes: 1) a bayesian estimation model and its privacy metric method for location privacy-preserving; 2) a context-aware scheme for location privacy-preserving against inference attacks based on background knowledge; 3) an efficient spatial query processing method with supporting location and query privacy-preserving; 4) the implementation and deployment of the location privacy-preserving prototype system. Through this project, scientific and technical challenges will be addressed including the accurate privacy metric, security privacy-preserving, and efficient privacy-aware spatial query processing, as well as application deployment for users in LBS. In addition, the highly application valued key technologies of user privacy-preserving in LBS will be investigated and developed in this project. With the research being completed, the theory of privacy security in the domain of the LBS will be enriched. A powerful support and impetus role will be played for the healthy development of the location-based service industry.

位置服务作为一种新兴的网络服务模式，已成为移动互联网的标准配置和基础服务，得到了产业界和科技界的高度重视。然而，位置服务中的用户隐私保护问题给位置服务的普及与发展带来了严峻的挑战，成为制约其发展的重要因素。本项目针对位置服务中的用户隐私威胁，深入研究位置服务中的用户隐私度量与保护的理论模型、方法和关键技术。主要研究内容包括：1）位置隐私保护贝叶斯决策模型及其度量方法研究；2）抵御背景信息推理攻击的上下文感知位置隐私保护方法研究；3）支持位置隐私和查询隐私保护的高效空间查询处理方法研究；4）位置隐私保护原型系统研究与开发。通过研究，解决位置服务中的用户隐私准确度量与安全保护、高效隐私感知空间查询处理等科学与技术问题，丰富位置服务中的隐私安全理论，研究和开发位置服务中若干具有重要应用价值的隐私度量与保护关键技术，为位置服务产业的健康发展提供有力的支撑和推动作用。

当前位置服务已与互联网、移动通信等加速融合，形成了渗透力极强的交叉产业，促进了低碳经济的发展，有力提升了国民经济发展的效率和质量。但是，位置服务在给个人和社会带来巨大便利的同时也引发了严重的隐私关注，成为阻碍位置服务产业健康发展的重要瓶颈之一。针对上述问题和挑战，本项目深入研究了位置隐私保护贝叶斯决策模型及其度量方法、抵御背景信息推理攻击的上下文感知位置隐私保护方法、基于加密搜索的高效隐私感知查询处理方法，取得重要结果包括：1）针对已有位置隐私度量方法都特定于具体系统、隐私保护机制、敌手模型，缺乏统一模型基础和标准的问题以及由于度量指标多样性与复杂性带来的可能错误评估用户位置隐私的问题，提出一种位置隐私保护贝叶斯决策模型及其度量方法。理论分析和实验结果表明，相比已有位置隐私度量模型，所提模型具有更强的泛化能力，大多数已有的隐私度量指标都可以解释为该模型中攻击者估计误差在不同条件下的特例，提出的隐私度量方法能够更准确地评价用户位置隐私水平；2）针对攻击者具有各个角度关于用户更全面的背景知识及更强推理能力对用户位置隐私保护带来的挑战，在对多源异构背景信息量化、建模的基础上，提出了抵御背景知识推理攻击的一系列位置隐私保护方法。理论分析和实验结果证明这些方法能够有效抵御背景信息推理攻击，在服务质量、资源开消和隐私保护之间取得更好的权衡；3）针对现有位置服务隐私感知查询处理协议复杂、计算开销大，不能同时保护位置隐私和查询隐私的问题，提出了基于同态加密、服务相似性和差分隐私的一系列高效隐私感知查询处理方法。理论分析和实验结果说明所提出的这些方法能够有效保护用户位置隐私和查询隐私、降低资源开销。本项目研究成果可为隐私计算的深入研究与实践提供理论与技术支持，为产业界提供保证隐私安全的新思路，对促进位置服务产业的健康发展具有重要的理论与现实意义。