基于兴趣点分布的外包空间数据隐私保护方法
随着云服务与位置感知设备的普及,大量与位置相关的信息需要外包给服务提供商,由此引发的空间数据隐私问题得到了学术界的广泛关注.Hilbert曲线作为一种空间转换的方法,被广泛应用于空间数据的隐私保护中,但标准Hilbert曲线未考虑兴趣点的分布特征,可能需要多次调整曲线参数,且无法支持数据拥有者对空间区域的自定义授权.针对上述问题,提出一种可以根据兴趣点分布而自适应变化的Hilbert曲线(AHC),该曲线根据设定的存储容量将空间划分为原子区域,使用Hilbert曲线的分形规则确定各原子区域的顺序,并由此生成密钥树,数据拥有者可以将密钥树的一部分共享给授权使用者,从而实现对空间区域的自定义授权;设计了基于AHC的空间查询处理方案,支持兴趣点的索引值计算、范围查询与KNN查询处理;定义了空洞指数以量化外包数据的隐私信息泄露风险.在真实数据集与模拟数据集上的实验表明,与标准Hilbert曲线相比,该文提出的AHC在进行空间转换方面具有更高的安全性与更优的查询效率.
数据外包、空间查询处理、位置隐私、空间转换、隐私保护
37
TP311(计算技术、计算机技术)
This research is supported in part by NSFC under Grant 61172090,National Science and Technology Major Project under Grant 2012ZX03002001,Research Fund for the Doctoral Program of Higher Education of China under Grant 20120201110013,Scientific and Technological Project in Shaanxi Province under Grant61172090;国家科技重大专项课题基金2012ZX03002001;高等学校博士学科点专项科研基金20120201110013;陕西省科技攻关项目2012K06-30
2014-03-07（万方平台首次上网日期，不代表论文的发表时间）
共16页
123-138
