[发明专利]一种车联网位置隐私保护方法及系统

说明书

本发明涉及一种车联网位置隐私保护方法及系统。该方法包括：利用序列位置点背景知识对车联网当前位置点进行预测并对位置点进行划分；通过每个区域的结构系数向量使用PageRank算法计算车联网用户位置的敏感属性值；对用户位置敏感属性值进行隐私预算分配；通过拉普拉斯机制基于每个区域的隐私预算添加不同程度的噪声，以实现保护整条位置隐私信息的目的；最后，在真实数据集上进行了实验验证。本发明可以在提高车联网位置隐私保护安全性的同时，提高位置数据的可用性。

技术领域

本发明涉及车联网(Internet of Vehicles，IoV)安全领域，特别是涉及一种车联网位置隐私保护方法及系统。

背景技术

车联网是一种依据特定通信协议，实现车-X(X：车、路、行人及互联网等)之间的无线通信和信息交换的大型网络，也是一种能够实现智能交通与动态信息服务的一体化网络。面向车联网的早期服务主要以安全驾驶与智能交通为主。随着车联网和云计算的发展，越来越多的车联网安全问题浮现出来。车联网日益增加的基于位置的服务(LocationBased Services，LBS)应用在方便用户生活的同时也使得服务提供商收集了大量车辆用户的轨迹数据。这些轨迹数据可能使用户的兴趣爱好、社会关系、身体状况等隐私信息暴露给攻击者，从而给用户的生活带来严重的威胁。例如，通过对某条轨迹的分析，攻击者依据其掌握的背景知识有可能分析出车联网用户的家庭住址、工作地点，甚至分析出用户的行为模式等私密信息。因此，位置隐私保护已经成为车联网用户和研究者们共同关注的问题，现有的车联网位置隐私保护算法仍然面临执行效率较低、安全性不高和数据可用性较差等问题。

发明内容

本发明的目的是提供一种车联网位置隐私保护方法及系统，以解决现有的车联网位置隐私保护算法执行效率较低、安全性不高和数据可用性较差等问题。

为实现上述目的，本发明提供了如下方案：

一种车联网位置隐私保护方法，包括：

利用序列位置点背景知识对车联网内所有用户位置点进行预测，生成位置点有向图；

基于所述位置点有向图，利用PageRank算法计算每个所述用户位置点的敏感属性值；

根据所述敏感属性值对所有所述用户位置点进行划分，确定多个区域；

获取每个所述区域内的车辆流入流出情况，并根据所述车辆流入流出情况计算每个所述区域的结构系数；所述结构系数为区域对用户位置点重要性的影响；

根据所述敏感属性值以及所述结构系数计算每个所述用户位置点的敏感度；

对所述敏感度进行差分隐私预算分配，确定每个所述区域的差分隐私预算；

基于每个所述区域的差分隐私预算，利用拉普拉斯机制对所述用户位置点添加拉普拉斯噪声，并利用添加拉普拉斯噪声后的用户位置点替代原始的用户位置点。

可选的，所述基于所述位置点有向图，利用PageRank算法计算每个所述用户位置点的敏感属性值，具体包括：

基于所述位置点有向图，利用公式计算每个所述用户位置点的敏感属性值；其中，PR(L_i)为第i用户位置点L_i的敏感属性值；N为所有用户位置点数量；M(L_i)为L_i有出链的位置集合；PR(L_j)为第j用户位置点L_j的敏感属性值；Out(L_j)为L_j的出链数目，d为瞄准隐私保护车辆节点位置的概率，1-d为随机跳转到其他位置的概率。

可选的，所述根据所述敏感属性值对所有所述用户位置点进行划分，确定多个区域，具体包括：