用户可定制且鲁棒的地理不可区分性以保护位置隐私
密码学与安全
2022-10-04 v2
摘要
现有用于保障位置隐私的系统所生成的位置混淆函数是整体式的，不允许用户定制其混淆范围。这可能导致用户被映射到位置请求服务所不期望的位置（例如，治安较差的社区）。在用户端修改由中心服务器生成的混淆函数会导致隐私性变差，因为原始函数对此类更新不具备鲁棒性。用户自身可能难以理解混淆机制中涉及的参数（例如，混淆范围和位置表示的粒度），因此难以在隐私、效用和定制化之间设定合理的权衡。在本文中，我们提出了一个称为 CORGI（即可定制鲁棒地理不可区分性，CustOmizable Robust Geo-Indistinguishability）的新框架，该框架生成的位置混淆函数对用户定制具有鲁棒性，同时基于地理不可区分性范式提供强隐私保证。CORGI 利用给定区域的树形表示来辅助用户指定其隐私和定制需求。CORGI 的服务器端将这些需求作为输入，生成满足地理不可区分性要求且对用户端定制具有鲁棒性的混淆函数。该混淆函数返回给用户，用户随后可选择更新混淆函数（例如，混淆范围、位置表示的粒度）。在真实数据集上的实验结果表明，CORGI 能够高效生成对用户定制更具鲁棒性的混淆矩阵。
引用
@article{arxiv.2206.08396,
title = {User Customizable and Robust Geo-Indistinguishability for Location Privacy},
author = {Primal Pappachan and Chenxi Qiu and Anna Squicciarini and Vishnu Sharma Hunsur Manjunath},
journal= {arXiv preprint arXiv:2206.08396},
year = {2022}
}
备注
Under review