移动边缘云中的位置隐私：一种基于干扰服务的方法
分布式、并行与集群计算
2017-09-12 v1
摘要
在本文中，我们考虑移动边缘云（MECs）中的用户位置隐私。MECs 是部署在网络边缘的小型云，用于提供靠近移动用户的云服务，并且已经提出了许多通过迁移服务以跟随用户来最大化服务局部性的解决方案。然而，用户与其服务的共址意味着，观察 MEC 之间服务迁移的网络窃听者可以将用户定位到单个 MEC 覆盖区域内，该区域可能相当小（例如，毫微微小区）。我们考虑使用干扰服务来防御此类窃听者，重点在于控制干扰服务的策略。假设窃听者执行最大似然（ML）检测，我们既考虑了模仿用户移动性的启发式策略，也考虑了旨在最小化检测或跟踪精度的优化策略。我们展示了当用户的移动性足够随机时，由最优策略或其在线变体控制的单个干扰服务可以将窃听者的跟踪精度降至零。我们进一步提出了利用随机化来防御知晓该策略的高级窃听者的扩展策略。我们解决方案的有效性通过合成和基于轨迹的模拟得到了验证。
引用
@article{arxiv.1709.03133,
title = {Location Privacy in Mobile Edge Clouds: A Chaff-based Approach},
author = {Ting He and Ertugrul N. Ciftcioglu and Shiqiang Wang and Kevin S. Chan},
journal= {arXiv preprint arXiv:1709.03133},
year = {2017}
}