CollabLoc：通过协作信息融合实现隐私保护的多模态定位
网络与互联网体系结构
2017-10-24 v1 机器学习
摘要
移动电话为构建情境感知应用提供了绝佳机会。特别是，基于位置的服务是重要的情境感知服务，越来越多地用于执行安全策略、支持室内房间导航以及提供个性化辅助。然而，一个主要问题仍未解决——缺乏既能跨建筑工作、无需额外基础设施，又能兼顾隐私与可靠性需求的解决方案。本文提出了一种基于 Wi-Fi RSSI（现有基础设施）、蜂窝网络 RSSI、声音和光照水平的隐私保护、多模态、跨建筑协作定位平台，该平台以房间级定位为主要应用（尽管也可实现亚房间级粒度）。隐私通过洋葱路由和扰动/随机化技术内建于解决方案中，并利用加权协作的思想来提高可靠性，同时限制噪声设备（因传感器噪声/隐私）的影响。我们使用 Android 应用在多个室内外位置采集的位置数据上，对所提方案在隐私性、准确性、最优参数及其他开销方面进行了分析。
引用
@article{arxiv.1710.08306,
title = {CollabLoc: Privacy-Preserving Multi-Modal Localization via Collaborative Information Fusion},
author = {Vidyasagar Sadhu and Dario Pompili and Saman Zonouz and Vincent Sritapan},
journal= {arXiv preprint arXiv:1710.08306},
year = {2017}
}
备注
9 pages, 26th International Conference on Computer Communication and Networks (ICCCN), Vancouver, BC, Canada, 2017, pp. 1-9