保护隐私的移动KNN查询
数据库
2011-04-15 v1
摘要
我们提出了一种新颖的方法，用于保护通过移动k近邻（MkNN）查询访问基于位置服务的用户的轨迹隐私。MkNN查询持续为移动用户（查询点）返回k个最近的数据对象。仅仅将用户的不精确位置（例如一个区域）而非精确位置更新到基于位置的服务提供商（LSP），并不能确保用户在MkNN查询中的隐私：持续披露区域使得LSP能够追踪用户的轨迹。我们识别了在请求MkNN查询时由连续区域重叠引发的轨迹隐私问题，并提供了该问题的首个解决方案。我们的方法允许用户指定置信水平，该置信水平表示用户可能需要比实际第k个最近数据对象多行进的距离上限。通过向LSP隐藏用户所需的置信水平和所需最近数据对象的数量，我们开发了一种技术来防止LSP针对MkNN查询追踪用户的轨迹。我们提出了一种高效算法，供LSP在用户指定置信水平下寻找某个区域的k个最近数据对象，这是以保护隐私的方式评估MkNN查询的核心组件；该算法比最先进的算法至少快两倍。广泛的实验研究验证了我们的轨迹隐私保护技术的有效性以及我们算法的高效性。
引用
@article{arxiv.1104.2756,
title = {Privacy Preserving Moving KNN Queries},
author = {Tanzima Hashem and Lars Kulik and Rui Zhang},
journal= {arXiv preprint arXiv:1104.2756},
year = {2011}
}