[发明专利]基于双重属性决策的移动群智感知隐私保护方法

说明书

针对当前群智感知网络中集中式位置隐私保护方法给用户带来的隐私安全泄露问题，提出了基于区块链智能合约的隐私保护方法。首先，采用可信分布式环境区块链代替第三方服务器，为避免泄露个人信息，用户在区块链上注册一个匿名身份。此外，为解决在分布式结构下，用户之间存在相互欺骗行为导致的用户位置隐私泄露问题，在智能合约上设计了基于双重属性决策的虚拟位置算法。其中，该算法通过计算周边位置，获取每个位置与用户位置之间的距离值以及每个位置的历史查询概率值，然后对其设置不同的阈值，进行循环筛选，进而得到一个有效保护用户位置的匿名集。最后，通过仿真实验验证该方法可以提升保护用户位置隐私的效率。

技术领域：

本发明解决了移动群智感知网络中集中式位置隐私保护方法和分布式结构下用户之间相互欺骗行为而导致的位置隐私泄露问题。

背景技术：

随着智能手机、平板等移动终端设备在人们的日常生活中被广泛使用，移动群智感知(Mobile Crowd Sensing，MCS)正成为收集数据的一种新型感知方式。现在的智能设备都配有高性能CPU、高速的5G网络宽带和大容量内存的传感器，此类嵌入式传感器具有强大的计算能力，可以收集各种数据，如文本、图片、音频、视频等。由于当前的移动设备采集数据的方式变得更加灵活高效，因此，近年来MCS引起了社会各界的广泛关注，并且对各个领域展开了深入研究。其中MCS被运用在物联网的众多方面，如环境污染监测、智慧交通和社会行为感知等。

虽然移动群智感知为物联网应用的发展提供了一些便利，但是它也面临着严重的隐私问题。例如，在群智感知中，参与者会在执行任务过程中提交一些数据给平台，但是这些数据可能会包含参与者的身份、位置、兴趣爱好等具有敏感性的信息。由于这些敏感性信息可以给不法分子带来商业利益，因此，参与者的隐私将会有泄露的风险。在移动群智感知过程中，位置隐私是最关键的隐私问题之一，因为分配给参与者的任务大多是基于位置的。首先，在参与式感知中，当参与者寻找位于同一区域的任务时，可以直接暴露参与者的确切位置。第二，在机会式感知中，参与者可能会因为执行多次任务而暴露了日常出行的位置轨迹。第三，任务奖励可能会激励参与者贡献更多的数据，这进一步增加了隐私泄露的风险。因此，需要设计一种隐私保护机制来解决位置信息泄露的问题。

为了解决上述位置信息泄露的问题，目前有许多学者提出了一些解决方法，并取得了一定的成果。Vergara-Laurens等人描述并分析了移动群智感知中常见的隐私问题。第一种方法是匿名化，其核心思想是将用户的精确位置隐藏到一个模糊区域内，使得服务器平台无法区分任务参与者的真实位置信息。第二种方法是数据混淆，其主要是通过向查询数据或返回的结果里添加适当的噪声以达到一定的隐私保护效果。第三种方法是数据加密，其主要思想是通过相关密码学知识对向服务商发送的数据进行加密。虽然学者们提出了一些解决方案。但上述研究都基于可信的第三方服务器。然而，不可忽视的是，在第三方服务器内存在大量的有关参与者的敏感信息，其中可能就包括位置信息。因此如图1所示，恶意用户可能会为了获取额外利益而去攻击第三方服务器，从而导致参与者的隐私信息泄露。

相比于数据混淆方法和数据加密方法，匿名化有其独特的优势。例如，K-匿名方法是最常见的一种位置隐私保护方法，其核心思想是当请求用户进行位置服务查询时，会请求匿名服务器提供K-1个协作用户的位置帮助请求用户构建匿名集来代替其精确位置。与基于密码学的方法和数据混淆方法中具有代表性的差分隐私方法相比较，k-匿名具有以下优势：(1)请求用户可以获得精确的查询结果；(2)不需要消耗请求用户复杂的计算开销。因此，有学者提出k-匿名在具备这些优点的基础上，可以将需要第三方服务器的传统k-匿名方法改进成分布式k-匿名方法。但分布式k-匿名在缺少匿名服务器的情况下，请求用户与协作用户之间可能存在相互欺骗的行为，进而对请求用户的位置信息安全产生威胁。正如图2所示，协作用户为了保护自己的真实位置信息，向请求用户提供了虚假位置(如河流，森林，沙漠等)。这些虚假位置不仅是没有意义的，而且还容易被攻击者淘汰，缩小匿名集范围，最终导致请求用户的真实位置泄露。

在群智感知网络中，涉及三个主要领域，集中式群智感知系统，分布式群智感知系统和基于区块链的群智感知系统。