基于位置的社會(huì)網(wǎng)絡(luò)隱私保護(hù)關(guān)鍵技術(shù).pdf

1、隨著無(wú)線傳感器網(wǎng)絡(luò)和定位技術(shù)的蓬勃發(fā)展，越來(lái)越多的用戶(hù)開(kāi)始使用基于位置的社會(huì)網(wǎng)絡(luò)(LBSN)應(yīng)用，由此產(chǎn)生了大量的LBSN數(shù)據(jù)。這些數(shù)據(jù)在挖掘用戶(hù)的行為習(xí)慣、挖掘用戶(hù)之間的相似性、為用戶(hù)推薦朋友或感興趣的地點(diǎn)等方面，起到了重要作用。然而直接發(fā)布LBSN數(shù)據(jù)會(huì)給用戶(hù)帶來(lái)隱私泄露問(wèn)題，當(dāng)前還沒(méi)有針對(duì)LBSN數(shù)據(jù)的匿名方法，因此本文重點(diǎn)研究面向LBSN數(shù)據(jù)的隱私保護(hù)技術(shù)。
　　目前雖然存在大量的社會(huì)網(wǎng)絡(luò)隱私保護(hù)技術(shù)和位置匿名技術(shù)，但是這

2、些技術(shù)都不適用于LBSN數(shù)據(jù)。LBSN數(shù)據(jù)既包含了社會(huì)網(wǎng)絡(luò)中的用戶(hù)關(guān)系，又包含了用戶(hù)與位置之間的關(guān)系，使得LBSN數(shù)據(jù)的匿名技術(shù)更具有挑戰(zhàn)性。
　　本文首先對(duì)社會(huì)網(wǎng)絡(luò)隱私保護(hù)技術(shù)和位置匿名技術(shù)進(jìn)行了系統(tǒng)綜述，針對(duì)攻擊者可能得到的不同背景知識(shí)，提出了兩種LBSN圖上的兩種不同的隱私泄露問(wèn)題，包括結(jié)點(diǎn)身份泄露和敏感關(guān)系泄露問(wèn)題，和用戶(hù)結(jié)點(diǎn)rank序列導(dǎo)致的結(jié)點(diǎn)身份泄露問(wèn)題。
　　為了解決結(jié)點(diǎn)身份泄露和敏感關(guān)系泄露問(wèn)題，本文提出了

3、k-連接安全分組匿名模型，并分別提出了k-LSG算法和k-ILSG算法實(shí)現(xiàn)該匿名模型。k-LSG算法先對(duì)位置結(jié)點(diǎn)直接進(jìn)行k-安全分組，然后處理分組中產(chǎn)生的外連分組和內(nèi)連分組，使它們都滿(mǎn)足k-連接安全分組條件。進(jìn)而提出了支持高可用性的k-ILSG算法，以提高匿名數(shù)據(jù)可用性。其次，為了解決LBSN圖中用戶(hù)結(jié)點(diǎn)的rank序列導(dǎo)致的結(jié)點(diǎn)身份泄露問(wèn)題，本文提出了LBSN圖的k-rank匿名模型，并提出了啟發(fā)式算法RA來(lái)得到LBSN圖的匿名rank