面向基于邻近性的移动社交网络的优先级感知隐私匹配方案

移动设备与在线社交网络的快速发展使得移动社交网络（MSN）日益受到关注。移动互联与位置感知设备的爆炸式增长，使得构建基于邻近性的移动社交网络（PMSN）不仅可行且具有重要意义。用户可以通过智能手机中嵌入的 WiFi/蓝牙接口，轻松发现并与物理位置邻近的移动用户建立新的社交互动。然而，用户在享受这些便利的同时，也面临着日益增长的隐私担忧。为解决这一问题，我们提出了一套优先级感知的隐私匹配方案，旨在隐私保护的前提下匹配与附近潜在朋友的相似度。与大多数现有工作不同，我们提出的优先级感知匹配方案（P-match）通过结合交换加密函数与 Tanimoto 相似系数来实现隐私目标，该系数同时考虑了用户间共同属性的数量以及每个共同属性对应的优先级。此外，基于新构建的相似性函数（该函数将匹配属性占整个输入集合的比例纳入考量），我们设计了一个增强版本以应对某些潜在攻击，例如发起方或响应方无限输入属性集等。最后，我们提出的 E-match 方案通过新颖地运用布隆过滤器（Bloom filter），避免了繁重的密码学运算，显著提升了系统性能。我们通过详细的仿真与实现，对我们的方案进行了彻底的安全性分析及通信/计算开销评估。