k-匿名机制是LBS(location based service)中保证查询隐私性的重要手段.已有文献指出,现有的k-匿名机制不能有效保护连续性查询的隐私性.提出一种连续查询发送模型,该模型融合了查询发送时间的间隔模型和连续性模型,针对此模型下的两种k...k-匿名机制是LBS(location based service)中保证查询隐私性的重要手段.已有文献指出,现有的k-匿名机制不能有效保护连续性查询的隐私性.提出一种连续查询发送模型,该模型融合了查询发送时间的间隔模型和连续性模型,针对此模型下的两种k-匿名算法Clique Cloaking和Non-clique Cloaking,分别提出了一种连续查询攻击算法.在此攻击算法下,匿名集的势不再适合作为查询匿名性的度量,因此提出一种基于熵理论的度量方式AD(anonymityd egree).实验结果表明,对连续性很强的查询,攻击算法重识别用户身份的成功率极高;AD比匿名集的势更能反映查询的匿名性.展开更多
位置隐私保护与基于位置的服务(location based service,LBS)的查询服务质量是一对矛盾,在连续查询(continuous query)和实际路网环境下,位置隐私保护问题需考虑更多限制因素.如何在路网连续查询过程中有效保护用户位置隐私的同时获取...位置隐私保护与基于位置的服务(location based service,LBS)的查询服务质量是一对矛盾,在连续查询(continuous query)和实际路网环境下,位置隐私保护问题需考虑更多限制因素.如何在路网连续查询过程中有效保护用户位置隐私的同时获取精确的兴趣点(place of interest,POI)查询结果是目前的研究热点.利用假位置的思想,提出了路网环境下以交叉路口作为锚点的连续查询算法,在保护位置隐私的同时获取精确的K邻近查询(K nearest neighbor,KNN)结果;基于注入假查询和构造查询匿名组的方法,提出了抗查询内容关联攻击和抗运动模式推断攻击的轨迹隐私保护方法,并在分析中给出了位置隐私保护和查询服务质量平衡方法的讨论.性能分析及实验表明,该方法能够在连续查询中提供较强的位置隐私保护,并具有良好的实效性和均衡的数据通信量.展开更多
针对现有的基于LBS(Location Based Service)个性化推荐系统在构建用户兴趣模型时存在的缺陷,提出一种综合LBS和社会网络标签的个性化推荐(LTCF)方法。通过引入网络标签和用户社会关系,从用户标注的标签资源中找到拥有共同兴趣爱好的用...针对现有的基于LBS(Location Based Service)个性化推荐系统在构建用户兴趣模型时存在的缺陷,提出一种综合LBS和社会网络标签的个性化推荐(LTCF)方法。通过引入网络标签和用户社会关系,从用户标注的标签资源中找到拥有共同兴趣爱好的用户关系以及从社会网络中找到与目标用户关系紧密的用户,同时结合考虑用户兴趣爱好随空间不断变化的特点,依据协同过滤算法,计算用户社会关系度和用户空间相似性,依此得到目标用户的最近邻集合,在最近邻集基础上给出推荐结果。实验结果表明,相比于传统的基于LBS推荐方法,LTCF模型在查全率和产准率有了显著的提升,能更好地反映出用户偏好,显著提高了推荐准确度。展开更多
文摘位置隐私保护与基于位置的服务(location based service,LBS)的查询服务质量是一对矛盾,在连续查询(continuous query)和实际路网环境下,位置隐私保护问题需考虑更多限制因素.如何在路网连续查询过程中有效保护用户位置隐私的同时获取精确的兴趣点(place of interest,POI)查询结果是目前的研究热点.利用假位置的思想,提出了路网环境下以交叉路口作为锚点的连续查询算法,在保护位置隐私的同时获取精确的K邻近查询(K nearest neighbor,KNN)结果;基于注入假查询和构造查询匿名组的方法,提出了抗查询内容关联攻击和抗运动模式推断攻击的轨迹隐私保护方法,并在分析中给出了位置隐私保护和查询服务质量平衡方法的讨论.性能分析及实验表明,该方法能够在连续查询中提供较强的位置隐私保护,并具有良好的实效性和均衡的数据通信量.
文摘针对现有的基于LBS(Location Based Service)个性化推荐系统在构建用户兴趣模型时存在的缺陷,提出一种综合LBS和社会网络标签的个性化推荐(LTCF)方法。通过引入网络标签和用户社会关系,从用户标注的标签资源中找到拥有共同兴趣爱好的用户关系以及从社会网络中找到与目标用户关系紧密的用户,同时结合考虑用户兴趣爱好随空间不断变化的特点,依据协同过滤算法,计算用户社会关系度和用户空间相似性,依此得到目标用户的最近邻集合,在最近邻集基础上给出推荐结果。实验结果表明,相比于传统的基于LBS推荐方法,LTCF模型在查全率和产准率有了显著的提升,能更好地反映出用户偏好,显著提高了推荐准确度。
