[发明专利]一种基于差分隐私的LBS服务隐私保护方法

权利要求书

1.一种基于差分隐私的LBS服务隐私保护方法，其特征在于，包括如下步骤：

步骤一、根据地图信息构建Voronoi图，使每个Voronoi多边形中只包含一个POI；

步骤二、结合位置数据集X计算每个Voronoi多边形中包含的用户数，并根据用户数的多少对Voronoi多边形进行降序排列；

步骤三、选取用户数量多的前k₁个Voronoi多边形，将其质心O_j作为k-means算法的初始聚类中心；

步骤四、计算位置数据集X中每个用户的位置与初始聚类中心O_j的欧氏距离d_ij；

步骤五、将用户划分到欧式距离最小的聚类簇中；

步骤六、所有的用户划分完毕后，重新计算k个簇的质心；

步骤七、若两次质心距离小于设定阈值δ，则使用原始簇心，循环结束；若两次质心距离大于阈值δ，则使用更新后的质心作为簇心，跳转至步骤四；

步骤八、返回查询用户所在的簇心O_j以及距其较近的l-1个质心，构成具有l个虚假位置的位置数据集；

对l个簇心添加Laplace噪声，用加噪后的位置点构建包含l个虚假位置的位置匿名集，代替用户的真实位置发送至本地服务商LSP；

步骤九、确定簇C_j中t时段发送请求的用户数；

步骤十、计算簇C_j中每一个位置点与用户位置的位置相似性S_l，并按照升序排列；

步骤十一、根据S_l的升序排列，得到对应的查询请求q的排列(q₁,q₂,…,q_n)；

步骤十二、将用户的真实查询请求q_x放入查询k₂-匿名集QA中；

步骤十三、判断q_i是否存在于QA中，若不存在，则将该q_i加入到QA中；若存在，则按照步骤三中的查询请求顺序比较下一个查询请求q_i+1，直至QA中包含k₂个元素；

步骤十四、若簇C_j中的所有q_i均加入到QA中，|QA|还是不足k₂个，则对同一时段t的历史查询请求概率Pr(qi)进行降序排序，得到(q₁,q₂,…,q_m)；

步骤十五、跳转至步骤十三，继续判断q_i是否存在于QA中，当|QA|＝k₂时停止循环；

步骤十六、使用满足ε-差分隐私的指数机制对QA进行隐私保护，严格控制QA中各候选项的输出概率；

取δ＝5米；i标识不同用户发出的查询请求，为整数；j标识不同的聚类簇和簇心，为整数；n表示在t时段用户所在的簇C_j中发出的查询请求数，为整数；m表示在t时段历史发出的查询请求数，为整数。

2.如权利要求1所述的基于差分隐私的LBS服务隐私保护方法，其特征在于，同一聚类簇中的近邻用户均可以使用该匿名集代替其真实位置信息。