为位置隐私构建弹性可区分性度量
密码学与安全
2015-05-22 v2
摘要
随着手持设备日益普及，基于位置的应用和服务能获取准确实时的位置信息，引发了严重的隐私担忧。最近引入的地理不可区分性(geo-indistinguishability)概念试图通过将差分隐私(differential privacy)适配到基于位置的系统来解决此问题。尽管地理不可区分性有诸多吸引人之处，但它统一处理空间，强制在地图上各处添加相同量的噪声。本文我们提出一种新颖的弹性可区分性度量，它扭曲几何距离，捕捉每个区域的不同密度程度。结果，所得机制在处处达到相同隐私程度的同时调整噪声水平。我们还展示这种弹性度量如何轻松整合常用于保护用户高度重复位置（如家庭或工作）的“地理围栏”(geographic fence)概念。我们利用 OpenStreetMap 数据库的语义信息，通过为巴黎大都市区构建弹性度量，对我们的技术进行了广泛评估。我们使用来自 Gowalla 和 Brightkite 基于位置的社交网络的两个真实数据集，将所得机制与满足标准地理不可区分性的平面拉普拉斯机制比较。结果显示弹性机制很好地适应各区域的语义，当我们移出市中心时调整噪声，从而提供更好的整体隐私。
引用
@article{arxiv.1503.00756,
title = {Constructing elastic distinguishability metrics for location privacy},
author = {Konstantinos Chatzikokolakis and Catuscia Palamidessi and Marco Stronati},
journal= {arXiv preprint arXiv:1503.00756},
year = {2015}
}