基于位置多样性保护的LBS隐私查询策略

本文主要探讨了在位置服务(LBS)背景下，针对位置隐私保护的一个关键挑战——如何有效地在查询服务中避免因匿名框或选定的锚点位于敏感区域而引发的位置信息泄露问题。作者周长利、马春光和杨松涛，来自哈尔滨工程大学计算机科学与技术学院，他们在2015年的《通信学报》上发表了一篇名为"基于敏感位置多样性的LBS位置隐私保护方法研究"的文章。 文章的核心贡献是提出了一种新的锚点选取策略，即通过考虑用户访问数量和访问高峰时段，对敏感位置进行定义和筛选。这种方法强调了多样性的概念，通过选择具有相似特征的其他敏感位置来形成一个多样性区域，而不是简单地依赖单一的敏感位置。这样做的目的是为了提高用户在这些区域出现的随机性，从而降低其位置被识别的可能性，达到位置隐私保护的目的。 在查询处理方面，作者设计了一种均衡增量近邻兴趣点查询算法HINN（假设为Hybrid Incremental Nearest Neighbor Query）。HINN算法允许用户在不提供真实位置坐标的情况下进行K近邻兴趣点查询，这显著提升了隐私保护性。同时，算法还改进了SpaceTwist方法中的不足，如避免了查询兴趣点过度集中在锚点周围的问题，从而提高了查询的准确性。 实验结果显示，这个方法不仅有效地保护了用户在敏感区域停留时的位置隐私，而且保持了良好的兴趣点查询性能，同时降低了通信开销。因此，这项研究对于位置服务提供商和用户来说，具有重要的实际应用价值，特别是在保护个人隐私的同时，仍能提供高效和精确的服务。 关键词包括位置隐私、基于位置的服务、锚点、增量近邻查询以及l-多样性，这些术语共同构成了文章的研究焦点和核心理论基础。这篇文章为解决LBS中的位置隐私保护问题提供了一个创新且实用的解决方案。