道路网络中LBS连续KNN查询的隐私保护策略

本文主要探讨了在路网环境下，如何有效保护位置隐私的同时确保LBS（Location-Based Services，基于位置的服务）的连续KNN（K-Nearest Neighbors，K最近邻）查询的准确性。作者马春光、周长利和杨松涛来自哈尔滨工程大学计算机科学与技术学院，他们针对路网特点提出了一个创新的算法。 首先，背景指出位置隐私保护和LBS服务质量之间的矛盾。在复杂的道路网络环境中，连续查询需要考虑众多限制因素，如移动设备的定位精度、数据更新频率以及用户对隐私泄露风险的顾虑。保护位置隐私是一项挑战，因为精确的位置信息对于提供个性化服务至关重要。 该研究的核心是利用假位置的概念。算法设计的关键在于利用道路交叉口作为锚点序列，进行感兴趣地点的查询。这种方法通过生成一系列模拟的地理位置（假位置）来混淆真实位置，从而降低实际位置被识别的可能性。在查询过程中，这些假位置会被用来限制返回结果的范围，确保隐私保护。 算法的工作流程可能包括以下步骤： 1. **生成假位置序列**：根据用户的实时位置和道路网络结构，计算出一系列合理的假位置，这些位置会在查询时被用作搜索边界。 2. **锚点查询策略**：利用道路交叉口作为查询的参考点，缩小搜索范围，减少对用户具体位置的依赖。 3. **结果过滤**：根据假位置和真实的K个最相似地点，筛选出满足精度要求但又不会暴露真实位置的结果。 4. **连续查询处理**：考虑到移动设备的实时移动，算法需要动态调整假位置序列并更新查询结果，以保持服务的连续性。 此外，文章还提到了研究工作的资助情况，包括国家自然科学基金、中央高校基础科研业务费重大专项、高等学校博士学科点专项科研基金以及黑龙江省杰出青年基金的支持，这表明这项研究得到了多方面资金的保障，有助于研究的深入和实践应用。 这篇研究论文为路网环境下的位置隐私保护提供了一种创新的解决方案，平衡了位置隐私和查询服务质量，具有重要的理论价值和潜在的实际应用前景。