大数据管理丛书 位置大数据隐私管理PDF电子书下载

第1章 位置信息与隐私保护 1

1.1 位置大数据 1

1.2 概念与定义 3

1.2.1 位置表示与定位技术 3

1.2.2 基于位置服务 5

1.3 LBS中的个人隐私与挑战 6

1.3.1 个人隐私 6

1.3.2 面临的挑战 7

1.4 隐私泄露威胁 8

1.5 典型的位置隐私保护技术 10

1.5.1 基于数据失真的位置隐私保护技术 10

1.5.2 基于抑制发布的位置隐私保护技术 12

1.5.3 基于数据加密的位置隐私保护技术 14

1.5.4 性能评估与小结 16

第2章 典型攻击模型和隐私保护模型 18

2.1 位置连接攻击 19

2.1.1 攻击模型 19

2.1.2 位置k-匿名模型 21

2.2 位置同质性攻击 24

2.2.1 攻击模型 24

2.2.2 位置l-差异性模型 26

2.3 查询同质性攻击 29

2.3.1 攻击模型 29

2.3.2 查询p-敏感模型 32

2.4 位置依赖攻击 34

2.5 连续查询攻击 36

2.5.1 攻击模型 36

2.5.2 m-不变性模型 40

2.6 小结 42

第3章 快照位置隐私保护方法 44

3.1 感知服务质量的位置隐私保护方法 44

3.1.1 问题形式化定义 45

3.1.2 基于有向图的匿名算法 47

3.2 无精确位置的位置隐私保护方法 51

3.2.1 系统结构 52

3.2.2 问题定义 54

3.2.3 无精确位置的匿名算法 56

3.3 无匿名区域的位置隐私保护方法 63

3.3.1 系统结构 63

3.3.2 问题定义 64

3.3.3 CoPrivacy位置隐私保护方法 65

3.4 小结 67

第4章 动态位置隐私保护 68

4.1 移动用户位置隐私保护技术 68

4.1.1 两个直观的保护方法 69

4.1.2 基于极大团的保护方法 71

4.2 连续查询位置隐私保护技术 75

4.2.1 基本定义 76

4.2.2 贪心匿名算法 80

4.2.3 自底向上匿名算法 81

4.2.4 混合匿名算法 82

4.3 基于隐秘位置推理的隐私预警机制 84

4.3.1 轨迹重构攻击模型 86

4.3.2 隐私预警机制 92

4.4 小结 93

第5章 连续轨迹数据隐私保护 95

5.1 轨迹数据隐私 95

5.2 基于图划分的轨迹隐私保护技术 97

5.2.1 预备知识 97

5.2.2 数据预处理与轨迹图构建 99

5.2.3 基于图划分的轨迹k-匿名 101

5.3 区分位置敏感度的轨迹隐私保护技术 104

5.3.1 轨迹k-匿名及存在的问题 105

5.3.2 地理位置、访问位置和语义位置 106

5.3.3 区分位置敏感度的轨迹隐私保护 108

5.4 基于前缀树的轨迹隐私保护方法 113

5.4.1 系统结构 113

5.4.2 PrivateCheckIn方法 114

5.4.3 前缀树的构建与剪枝 115

5.4.4 前缀树的重构 117

5.5 小结 119

第6章 面向隐私的查询处理技术 120

6.1 面向隐私的近邻查询保护方法 120

6.1.1 系统框架 121

6.1.2 攻击模型和安全模型 122

6.1.3 基于PIR的k最近邻处理方法 123

6.2 面向隐私的双色反向最近邻查询 128

6.2.1 BRNN查询隐私保护方法 129

6.2.2 基于不同空间划分的PIR-BRNN算法 133

6.2.3 优化策略 136

6.3 隐私保护强度可调的有效空间查询 139

6.3.1 问题定义 139

6.3.2 基于α-EAI的空间查询隐私保护框架 141

6.3.3 基于α-EAI的隐私保护方法 144

6.4 小结 145

参考文献 147