面向车辆位置隐私的情境驱动合成位置生成
密码学与安全
2024-09-17 v1
摘要
Geo-obfuscation 是位置隐私保护机制，用于允许用户报告而非精确位置的混淆位置。在基于位置的服务中使用。正式的隐私准则，geoindistinguishability（Geo-Ind），要求真实位置难以根据其混淆表示与靠近的位置（由攻击者）区分开来。然而，Geo-Ind 往往未能考虑情境，例如道路网络和车辆交通条件，使得在保护受这些因素影响较大的车辆位置隐私方面效果较差。在本文中，我们提出了 VehiTrack，这是一个新威胁模型，演示了 Geo-Ind 在面对情境感知推断攻击时保护车辆位置隐私的脆弱性。我们的实验表明，VehiTrack 可以从混淆数据准确确定车辆的确切位置，Laplacian 噪声下的平均推断误差降低 61.20%，线性规划（LP）下的误差降低 47.35%，与传统贝叶斯攻击相比。通过利用道路网络和交通流量等情境数据，VehiTrack 有效地消除了在搜索车辆实际位置时看似“不可能”的大量位置。基于这些见解，我们提出了 TransProtect，这是一种新的 geo-obfuscation 方法，限制混淆位于真实车辆运动模式内，使攻击者更难区分混淆位置与实际位置。我们的结果表明，TransProtect 在 Laplacian 噪声下使 VehiTrack 的推断误差提高 57.75%，在 LP 下提高 27.21%，显著增强了对这些攻击的保护。
引用
@article{arxiv.2409.09495,
title = {Protecting Vehicle Location Privacy with Contextually-Driven Synthetic Location Generation},
author = {Sourabh Yadav and Chenyang Yu and Xinpeng Xie and Yan Huang and Chenxi Qiu},
journal= {arXiv preprint arXiv:2409.09495},
year = {2024}
}
备注
SIGSPATIAL 2024