獨(dú)立架構(gòu)下自適應(yīng)情境的位置隱私保護(hù)方法

毛 典 輝 ， 蔡 強(qiáng) ， 李 海 生 ， 曹 健

（1.北京工商大學(xué) 計(jì) 算機(jī)與信息工程學(xué)院，北京 100048；2.北京工商大學(xué) 國(guó) 有資產(chǎn)管理協(xié)同創(chuàng)新中心，北京 100048）

當(dāng)前基于位置的服務(wù)（Location－based Service，LBS）應(yīng)用中，大部分采用可信第三方匿名服務(wù)器（Trusted Third Party，TTP）與k匿名模型的架構(gòu)模式來(lái)保護(hù)用戶的位置隱私，但是并沒(méi)有一個(gè)權(quán)威機(jī)構(gòu)來(lái)評(píng)估TTP的可信度，而且TTP容易成為系統(tǒng)性能瓶頸和集中攻擊點(diǎn)[1].另外，以用戶合作為基礎(chǔ)的k匿名模型，因用戶時(shí)空情境變化影響了協(xié)作的穩(wěn)定性，使得隱私保護(hù)方法的匿名穩(wěn)定性無(wú)法得到保證，因此，無(wú)TTP、非用戶合作的獨(dú)立架構(gòu)模式成為當(dāng)前LBS中位置隱私保護(hù)方法的研究熱點(diǎn)[2].

移動(dòng)用戶在獨(dú)立架構(gòu)模式下保護(hù)位置隱私，最直接方法是發(fā)送假位置至LBS服務(wù)器進(jìn)行查詢，由服務(wù)器通過(guò)增量近鄰查詢返回查詢結(jié)果，如SpaceTwist方法[3].但是，隨機(jī)或者主觀設(shè)定查詢點(diǎn)容易導(dǎo)致位置隱私保護(hù)效果與通信開(kāi)銷(xiāo)失衡[4].因此，查詢點(diǎn)的選取應(yīng)視用戶的時(shí)空情境而定[5].該思想在實(shí)際應(yīng)用中存在3個(gè)難點(diǎn)終端的位置情境信息如何表征？終端如何實(shí)時(shí)獲取位置情境信息？如何根據(jù)用戶的位置情境選擇合適的查詢點(diǎn)？本文針對(duì)上述問(wèn)題，通過(guò)在服務(wù)器端建立多粒度抽象路網(wǎng)以及位置情境模型，并以此為基礎(chǔ)，提出一種自適應(yīng)情境的位置隱私保護(hù)方法.該方法不僅能實(shí)現(xiàn)終端與LBS服務(wù)器的直接通信以及準(zhǔn)確的位置查詢服務(wù)，而且通過(guò)自適應(yīng)情境感知技術(shù)可實(shí)現(xiàn)位置隱私保護(hù)度與通信開(kāi)銷(xiāo)的平衡.

1 位置隱私保護(hù)方法介紹

1.1 時(shí)空位置情境建模

移動(dòng)用戶在LBS服務(wù)中，當(dāng)其處于路網(wǎng)密集區(qū)域時(shí)，該區(qū)域內(nèi)交叉路口多、人流量大（通常情況下，路網(wǎng)密集程度與人口密度成正比），較小的位置偏移量（假位置與真實(shí)位置間距離）即可獲得較高的位置隱私保護(hù)；反之，在路網(wǎng)稀疏區(qū)域內(nèi)時(shí)，交叉路口少、人口密度低，較大的位置偏移量才能保證一定的隱私保護(hù)效果[6].因此，用戶所處位置的路網(wǎng)密集程度直接決定了位置隱私保護(hù)效果.另外，用戶的通信開(kāi)銷(xiāo)主要包括服務(wù)器返回的查詢興趣點(diǎn)（POIs）以及路網(wǎng)拓?fù)浣Y(jié)構(gòu)，當(dāng)用戶所處區(qū)域的POIs分布較為密集時(shí)，較小區(qū)域的子路網(wǎng)拓?fù)浣Y(jié)構(gòu)即可滿足查詢要求.因此，POIs的空間分布狀況決定了用戶的通信開(kāi)銷(xiāo).

基于上述思想，引入路網(wǎng)密度、POIs密度等指標(biāo)表征用戶的位置情境.

定義1 路網(wǎng)G：定義無(wú)向圖G＝（V，E），來(lái)表示交通公路網(wǎng)絡(luò)，其中V為網(wǎng)絡(luò)節(jié)點(diǎn)集合，E為網(wǎng)絡(luò)邊集合，dG（n）表示圖G中節(jié)點(diǎn)n的度.

定義2 抽象路網(wǎng)G′：給定圖G的某一分割方案P＝｛G1，G2，…，Gp｝，定義圖G的抽象網(wǎng)絡(luò)G′＝｛V′，E′，W′｝，則 G ′ 中 的 每 個(gè) 節(jié) 點(diǎn) 均 代 表G 中 對(duì) 應(yīng) 的 分 割 子 圖，且 邊 集 合 （ i，j）∈E′ 滿 足 ｛ （i′，j′）∈E｜Sub（i′）＝i∧Sub（j′）＝j(luò)｝.

定義3 路網(wǎng)密度λ：設(shè)C為路網(wǎng)G的一個(gè)子區(qū)域，s為C的面積，l為C內(nèi)道路總長(zhǎng)度，則定義λ＝l s為區(qū)域C的路網(wǎng)密度.

定義4 POIs密度ε：設(shè)C為路網(wǎng)G的一個(gè)子區(qū)域，m為區(qū)域C中POIs的總數(shù)，s為C的面積，則定義ε＝m s為區(qū)域C的POIs密度.

基于上述定義，移動(dòng)用戶在某一時(shí)刻t的時(shí)空位置情境可表示為三元組〈p，λ，ε〉｜t，其中，p為用戶在t時(shí)刻的空間位置，λ為用戶所處區(qū)域的路網(wǎng)密度，ε為用戶所處區(qū)域的POIs密度.

1.2 自適應(yīng)情境的位置隱私保護(hù)方法

終端的位置隱私保護(hù)效果由查詢點(diǎn)偏移距離與用戶期望的查詢結(jié)果在POIs集合中返回次序決定，當(dāng)該次序越靠后時(shí)，攻擊者推測(cè)的難度越大，用戶的位置隱私保護(hù)效果就越好.用戶的位置隱私保護(hù)效果與所處位置情境信息之間關(guān)系滿足定理1.

定理1 對(duì)于任意用戶，當(dāng)路網(wǎng)密度λ足夠小時(shí)，用戶期望查詢結(jié)果在候選結(jié)果集中的返回次序E（k）中.查詢點(diǎn)偏移距離σ、POIs密度ε滿足：E（k）≤λεσ[6].

根據(jù)上述定理，文中自適應(yīng)情境的位置隱私保護(hù)方法為：首先在服務(wù)器端構(gòu)建多粒度抽象路網(wǎng)以及對(duì)應(yīng)的時(shí)空位置情境模型，終端僅發(fā)送不包含真實(shí)位置的查詢主題（如銀行、醫(yī)院等）至服務(wù)器，服務(wù)器返回粗粒度抽象路網(wǎng)以及對(duì)應(yīng)的查詢主題POIs空間分布信息，若抽象路網(wǎng)精度不能滿足用戶要求，則重復(fù)該過(guò)程，直至返回的路網(wǎng)粒度滿足用戶要求為止；移動(dòng)用戶根據(jù)個(gè)人風(fēng)險(xiǎn)偏好以及通信開(kāi)銷(xiāo)承受力，預(yù)設(shè)通信成本（期望返回的候選結(jié)果集總數(shù)）與位置隱私保護(hù)強(qiáng)度（期望查詢結(jié)果在候選結(jié)果集中的返回次序），并以上述位置情境信息為基礎(chǔ)，估算查詢區(qū)域范圍與查詢點(diǎn)位置；終端發(fā)送查詢點(diǎn)與查詢區(qū)域至服務(wù)器，服務(wù)器在限定條件下進(jìn)行增量近鄰查詢，依次返回查詢區(qū)域?qū)?yīng)的高精度地圖以及候選結(jié)果集，終端根據(jù)真實(shí)位置進(jìn)行增量計(jì)算，直至完成位置服務(wù).

2 位置隱私保護(hù)方法實(shí)現(xiàn)

2.1 多粒度抽象路網(wǎng)重構(gòu)

移動(dòng)終端因通信開(kāi)銷(xiāo)與性能局限無(wú)法實(shí)時(shí)下載完整高精度路網(wǎng)拓?fù)浣Y(jié)構(gòu)，而位置情境感知?jiǎng)t以全局路網(wǎng)信息為基礎(chǔ)，為了解決此矛盾，在服務(wù)器端引入路網(wǎng)粗糙化技術(shù)構(gòu)建多粒度的抽象路網(wǎng).由于實(shí)際路網(wǎng)中拓?fù)浣Y(jié)構(gòu)呈現(xiàn)非均勻性，為了保證抽象路網(wǎng)重構(gòu)后信息的一致性，即抽象路網(wǎng)節(jié)點(diǎn)具有相同的路網(wǎng)密度，且重構(gòu)前后節(jié)點(diǎn)的空間鄰近近性保持不變，引入非均勻Hilbert映射技術(shù)以及Voronoi圖技術(shù)實(shí)現(xiàn)抽象路網(wǎng)重構(gòu).這樣，不僅粗糙化了原始路網(wǎng)的拓?fù)湫畔?，減少了終端的實(shí)時(shí)下載開(kāi)銷(xiāo)，而且保證了終端位置情境信息的實(shí)時(shí)獲取.

抽象路網(wǎng)重構(gòu)算法實(shí)現(xiàn)過(guò)程為：對(duì)高精度的實(shí)際路網(wǎng)設(shè)置某一路網(wǎng)密度λ值，依據(jù)空間層次分解方法，將路網(wǎng)空間分為4個(gè)子空間C0、C1、C2、C3，如果Ci（i∈ [0，3]）內(nèi)路網(wǎng)密度λi＞λ，則對(duì)Ci繼續(xù)迭代劃分，直到λi≤λ為止（如圖1（a）所示）.對(duì)于劃分后的子空間集合，選擇區(qū)域Ci的中心Pi作為該區(qū)域的投影點(diǎn)，這樣二維的空間區(qū)域投影為離散的空間點(diǎn)集P＝｛p1，p2，…，pn｝[7]，引入Voronoi圖技術(shù)進(jìn)行空間近鄰判斷（如圖1（b）所示），保證重構(gòu)前后的節(jié)點(diǎn)間空間鄰近性不變.判斷Voronoi圖中近鄰點(diǎn)間的連通性，形成節(jié)點(diǎn)鄰接矩陣，即

節(jié)點(diǎn)矩陣W中，元素wij取值均為0或1.其中，0表示相鄰區(qū)域無(wú)路網(wǎng)交點(diǎn)，1表示相鄰區(qū)域存在路網(wǎng)交點(diǎn)，形成最終的抽象路網(wǎng)（如圖1（c）所示）.

圖1 抽象路網(wǎng)重構(gòu)示意圖

2.2 位置情境信息感知

上述抽象路網(wǎng)重構(gòu)保證了情境信息表達(dá)的一致性，同時(shí)解決了終端情境感知的實(shí)時(shí)通信，為了進(jìn)一步控制終端查詢過(guò)程中的通信開(kāi)銷(xiāo)，用戶需取得POIs密度分布信息.該信息的處理過(guò)程為：終端發(fā)送不包含位置信息的查詢主題至服務(wù)器，服務(wù)器端以抽象路網(wǎng)節(jié)點(diǎn)對(duì)應(yīng)的子區(qū)域?yàn)閱挝唬y(tǒng)計(jì)每個(gè)區(qū)域內(nèi)POIs數(shù)量形成空間分布直方圖[8]返回至用戶.POIs空間分布直方圖數(shù)據(jù)量一般極?。↘B級(jí)），對(duì)終端的通信開(kāi)銷(xiāo)的影響有限，但服務(wù)器端的計(jì)算較為費(fèi)時(shí)，為了降低服務(wù)器端的計(jì)算開(kāi)銷(xiāo)，可將常用的查詢主題（如銀行、餐廳等）進(jìn)行預(yù)處理，形成數(shù)據(jù)包以供用戶下載，避免服務(wù)器端重復(fù)實(shí)時(shí)計(jì)算.

2.3 自適應(yīng)情境的位置查詢服務(wù)

3 位置隱私保護(hù)方法分析

3.1 位置隱私保護(hù)度分析

在終端與LBS服務(wù)器直接通信模式下，攻擊者可能獲取的信息途徑為：

（1）從用戶終端處直接獲取查詢信息，由于用戶作為位置隱私的持有者對(duì)位置信息具有絕對(duì)的控制權(quán)，在非合作模式下，攻擊者無(wú)法直接與用戶聯(lián)系，因此也無(wú)法獲取位置信息.

（2）從服務(wù)器端截取用戶查詢內(nèi)容以及服務(wù)器返回結(jié)果等信息，在該情形下，攻擊者推測(cè)用戶準(zhǔn)確位置的可能性為：假定q為終端實(shí)際位置，q′為查詢點(diǎn)位置，pj為終端取得的第j個(gè)查詢結(jié)果，λ為用戶所在區(qū)域的路網(wǎng)密度，ε為對(duì)應(yīng)的POIs密度.攻擊者獲取的信息包括：路網(wǎng)區(qū)域C、查詢點(diǎn)q′、以q′為中心的有序結(jié)果集｛p1，p2，p3，…，pm｝，并且已知用戶采取增量近鄰查詢.

假定攻擊者認(rèn)為pk為用戶的期望查詢結(jié)果，根據(jù)增量查詢結(jié)束條件[9]可知，攻擊者推測(cè)的用戶位置q滿足如下不等式方程：其中，dist（·，·）代表攻擊者推測(cè)用戶位置與用戶查詢點(diǎn)之間的距離，不等式方程的解代表攻擊者推測(cè)用戶可能存在的位置區(qū)域.

上述不等式方程解代表用戶可能存在的一個(gè)位置區(qū)域，由于用戶真實(shí)查詢結(jié)果保存于終端，攻擊者無(wú)法得到.因此，上述不等式方程存在多個(gè)解，即多種可能區(qū)域，故攻擊者無(wú)法確定用戶的具體位置.

3.2 隱私保護(hù)度與通信開(kāi)銷(xiāo)分析

終端的位置隱私保護(hù)效果是由用戶期望查詢結(jié)果在返回的POIs集合中出現(xiàn)的順序E（k）決定的，E（k）越靠后，攻擊者推測(cè)難度越大，用戶的位置隱私保護(hù)效果越好.同時(shí)，終端的查詢通信開(kāi)銷(xiāo)滿足M＝min｛j∈N｜Dj?Sj｝，其中，Dj＝Θ（q，），為需求空間，為前j個(gè)查詢結(jié)果與q間距離的最小值；Sj＝Θ（q′，Rj），為供應(yīng)空間，Rj為pj與q′ 間的距離.

由于q、q′、POIs均是獨(dú)立的，且σ＝ q′－q 變化值服從正態(tài)分布，則通信開(kāi)銷(xiāo)M滿足概率分布[8]：

其中，M 的均值E（M）＝α2＋2αs1/2＋2，方差V（M）＝ （5－π）α2＋π1/2α，α＝ （πρ）1/2l.

由上述隱私保護(hù)度與通信開(kāi)銷(xiāo)的分析可知：用戶根據(jù)個(gè)人風(fēng)險(xiǎn)偏好設(shè)置的E（k）值較大時(shí)，其通信開(kāi)銷(xiāo)會(huì)呈指數(shù)增大.因此，用戶在可承受的隱私保護(hù)強(qiáng)度范圍內(nèi)盡可能設(shè)置較少的E（k）與POIs返回?cái)?shù)量.

4 實(shí)驗(yàn)及結(jié)果分析

為了評(píng)價(jià)位置隱私保護(hù)方法的性能，實(shí)驗(yàn)平臺(tái)選用業(yè)界認(rèn)可的Thomas Brinkhoff路網(wǎng)數(shù)據(jù)生成器仿真平臺(tái)[9]，算法采用Java實(shí)現(xiàn)，實(shí)驗(yàn)機(jī)器配置為Intel雙核1.73GHz CPU、2GB內(nèi)存，路網(wǎng)數(shù)據(jù)為Oldenburg城市道路結(jié)構(gòu)（區(qū)域面積為23.57km×26.92km），500個(gè)POIs由路網(wǎng)數(shù)據(jù)生成器隨機(jī)生成.

4.1 隱私保護(hù)算法性能分析

為了分析路網(wǎng)密度λ對(duì)用戶的通信開(kāi)銷(xiāo)影響，實(shí)驗(yàn)中設(shè)置返回POIs數(shù)量R＝10，針對(duì)同一R值，分別取不同的λ值，比較不同λ取值下系統(tǒng)據(jù)此估算出最小路網(wǎng)區(qū)域，每組參數(shù)算法運(yùn)算100次，統(tǒng)計(jì)每組參數(shù)對(duì)應(yīng)的路網(wǎng)區(qū)域Ce的平均大小，比較結(jié)果如圖2（a）所示.

為了分析路網(wǎng)密度λ對(duì)用戶位置隱私保護(hù)強(qiáng)度的影響，在上述實(shí)驗(yàn)參數(shù)條件下，同時(shí)設(shè)置用戶期望查詢

圖2 位置隱私保護(hù)方法性能示意圖

結(jié)果的返回次序k，k分別取值為1、2、3、4、5，每組參數(shù)設(shè)置下算法計(jì)算100次，統(tǒng)計(jì)每組參數(shù)對(duì)應(yīng)的查詢點(diǎn)平均偏移距離σ，統(tǒng)計(jì)結(jié)果如圖2（b）所示.

從圖2（a）的分析可知：在用戶通信開(kāi)銷(xiāo)預(yù)算下，終端實(shí)際通信開(kāi)銷(xiāo)與路網(wǎng)密度λ正相關(guān)，但λ取值大于6后，用戶實(shí)際通信開(kāi)銷(xiāo)趨于穩(wěn)定.這是因?yàn)楫?dāng)λ值較小時(shí)，增大λ值可使得單個(gè)投影點(diǎn)對(duì)應(yīng)的路網(wǎng)區(qū)域面積增大，故包含相同POIs數(shù)的路網(wǎng)范圍也相對(duì)增大，當(dāng)該范圍面積增大到一定程度后，滿足最小通信成本路網(wǎng)空間區(qū)域趨于不變.因此，該方法保證了服務(wù)器能以最小通信開(kāi)銷(xiāo)返回用戶所需情境信息.

從圖2（b）的分析可知：用戶的位置隱私保護(hù)效果與用戶風(fēng)險(xiǎn)意識(shí)、路網(wǎng)密度正相關(guān)，當(dāng)路網(wǎng)密度值較大時(shí)，終端存儲(chǔ)粗粒度的位置情境信息，而據(jù)此設(shè)置較高隱私保護(hù)強(qiáng)度將導(dǎo)致查詢點(diǎn)偏移量相對(duì)較大，從而使得通信開(kāi)銷(xiāo)增大.因此，用戶可下載粒度相對(duì)較細(xì)的情境信息，實(shí)現(xiàn)通信開(kāi)銷(xiāo)與位置隱私保護(hù)的平衡.

4.2 隱私保護(hù)方法性能比較

為了比較自適應(yīng)情境位置隱私保護(hù)方法性能，進(jìn)行了兩組相關(guān)實(shí)驗(yàn).

試驗(yàn)1 不同系統(tǒng)架構(gòu)下位置保護(hù)方法對(duì)比.

實(shí)驗(yàn)中分別選取基于TTP的PrivacyGrid方法[10]和無(wú)TTP基于用戶協(xié)作的CoPrivacy方法[11]與文中方法進(jìn)行對(duì)比.實(shí)驗(yàn)參數(shù)為：PrivacyGrid方法與CoPrivacy方法的移動(dòng)用戶數(shù)量為4 000，匿名參數(shù)m為5～25，用戶近鄰查詢需要的近鄰個(gè)數(shù)為10.文中方法中λ取值為6，用戶設(shè)置返回的POIs數(shù)量為10，期望查詢結(jié)果返回次序?yàn)?.以上方法均查詢100次，統(tǒng)計(jì)服務(wù)器端查詢結(jié)果平均值Savg和平均響應(yīng)時(shí)間Tavg.算法比較結(jié)果如圖3所示.

圖3 不同系統(tǒng)架構(gòu)下位置隱私保護(hù)方法比較圖

從圖3的分析可知：PrivacyGrid方法因匿名個(gè)數(shù)增長(zhǎng)，其查詢區(qū)域、查詢結(jié)果、響應(yīng)時(shí)間均顯著增長(zhǎng)；CoPrivacy方法雖然因P2P多跳通信使得網(wǎng)絡(luò)通信代價(jià)增大，但是增量近鄰查詢減少了查詢結(jié)果，因此也降低了響應(yīng)時(shí)間；自適應(yīng)情境的位置隱私保護(hù)方法采取了增量近鄰查詢的優(yōu)點(diǎn)，同時(shí)在系統(tǒng)架構(gòu)上使得終端直接與服務(wù)器直接通信，減少了中間通信環(huán)節(jié)，因此該方法在通信開(kāi)銷(xiāo)與響應(yīng)時(shí)間均優(yōu)于前兩種方法.

試驗(yàn)2 相同系統(tǒng)架構(gòu)下位置保護(hù)方法對(duì)比.

實(shí)驗(yàn)中分別選取自適應(yīng)情境位置隱私保護(hù)方法與隨機(jī)選取查詢點(diǎn)的SpaceTwist隱私保護(hù)方法進(jìn)行對(duì)比分析.實(shí)驗(yàn)參數(shù)為：前者的參數(shù)設(shè)置與不同系統(tǒng)架構(gòu)下位置隱私保護(hù)方法對(duì)比實(shí)驗(yàn)中的參數(shù)保持一致；后者的設(shè)置查詢點(diǎn)偏移距離l為1、5、10.以上實(shí)驗(yàn)均查詢100次，統(tǒng)計(jì)平均通信開(kāi)銷(xiāo)Savg值和平均響應(yīng)時(shí)間Tavg.算法比較結(jié)果如圖4所示.

圖4 相同系統(tǒng)架構(gòu)下位置隱私保護(hù)方法比較圖

從圖4的分析可知：隨機(jī)選取查詢點(diǎn)的SpaceTwist方法通信開(kāi)銷(xiāo)與查詢點(diǎn)偏移距離正相關(guān)，當(dāng)查詢點(diǎn)偏移真實(shí)位置較遠(yuǎn)時(shí)，移動(dòng)終端獲得較高的位置隱私保護(hù)強(qiáng)度，但是增大了與服務(wù)器的通信開(kāi)銷(xiāo)，而且查詢點(diǎn)的隨機(jī)選取導(dǎo)致通信開(kāi)銷(xiāo)不可控；而文中提出的位置隱私保護(hù)方法通信開(kāi)銷(xiāo)與用戶設(shè)置的期望值基本一致，因此用戶的通信開(kāi)銷(xiāo)可控，而且還保證了一定的隱私保護(hù)強(qiáng)度，故該方法對(duì)用戶具有較高的可控性與自主性.從移動(dòng)終端的平均響應(yīng)時(shí)間來(lái)看，當(dāng)SpaceTwist方法查詢點(diǎn)偏移距離較近時(shí)，該方法較文中方法計(jì)算開(kāi)銷(xiāo)要小，這是由于后者在情境感知與查詢點(diǎn)估算時(shí)需要一定的時(shí)間與計(jì)算開(kāi)銷(xiāo)，但是前者的計(jì)算開(kāi)銷(xiāo)優(yōu)勢(shì)是以犧牲用戶位置隱私保護(hù)效果為代價(jià)的.由此可得，文中提出的方法較SpaceTwist方法實(shí)現(xiàn)了隱私保護(hù)度與通信開(kāi)銷(xiāo)、計(jì)算開(kāi)銷(xiāo)的平衡.

5 結(jié)束語(yǔ)

在不改變現(xiàn)有LBS系統(tǒng)架構(gòu)的條件下，提出了一種自適應(yīng)情境的位置隱私保護(hù)方法來(lái)實(shí)現(xiàn)終端與服務(wù)器的直接通信.該方法不僅通過(guò)服務(wù)器端構(gòu)建了多粒度抽象路網(wǎng)與位置情境模型，解決了終端位置情境信息感知時(shí)交互通信的難點(diǎn)，而且終端根據(jù)用戶的個(gè)性化設(shè)置，實(shí)現(xiàn)了位置隱私保護(hù)度與通信開(kāi)銷(xiāo)、計(jì)算開(kāi)銷(xiāo)的平衡.但是文中提出的位置隱私保護(hù)方法的性能主要由路網(wǎng)密度決定的，而該值的選取一般依據(jù)經(jīng)驗(yàn).因此，如何提高終端性能與路網(wǎng)密度選取的自適應(yīng)性將是下一步研究的重點(diǎn).

[1] Berker A Thanasis G.P，Rammohan N，et al.User－side Adaptive Protection of Location Privacy in Participatory Sensing[J].Geoinformatica，2014，18（1）：165－191.

[2] 周傲英，楊彬，金澈清，等.基于位置的服務(wù)：架構(gòu)與進(jìn)展[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（7）：1155－1171.Zhou Aoying，Yang Bin，Jin Cheqing，et al.Location－based Services：Architecture and Progress[J].Chinese Journal of Computers，2011，34（7）：1155－1171.

[3] Yiu M L，Jensen C S，Jesper M，et al.Design and Analysis of a Ranking Approach to Private Location－Based Services[J].ACM Transactions on Database Systems，2011，36（2）：1－46.

[4] Wang Yu，Xu Dingbang He Xiao.L2P2：Locationaware Location Privacy Protection for Location－based Services[C]//Proceeding of the 31st Annual IEEE International Conference on Computer Communications.Piscataway：IEEE，2012：1996－2004.

[5] Skvortsov P，Dürr F，Rothermel K.Map－Aware Position Sharing for Location Privacy in Non－trusted Systems[C]//Proceedings of the 10th International Conference Pervasive Computing Newcastle.Berlin：Springer－Verlag，2012：388－405.

[6] Pingley A，Yu Wei，Zhang Nan，et al.A Context－aware Scheme for Privacy－preserving Location－based Services[J].Computer Networks，2012，56（11）：2551－2568.

[7] 毛典輝，蔡強(qiáng)，李海生，等.用戶協(xié)作模式下自適應(yīng)情境的LBS隱私保護(hù)方法[J].四川大學(xué)學(xué)報(bào)（工程科學(xué)版），2013，45（4）：75－80.Mao Dianhui，Cai Qiang，Li Haisheng，et al.An Adaptive Context－aware LBS Privacy Protection Method Based on Users Collaboration[J].Journal of Sichuan University（Engineering Science Edition），2013，45（4）：75－80.

[8] Brinkhoff T.A Framework for Generating Network Based Moving Objects[J].GeoInformatica，2000，6（2）：153180.

[9] M?ller J，Yiu M L.Probabilistic Results for a Mobile Service Scenario[J].Advances in Applied Probability，2011，43（2）：322－334.

[10] Bamba B，Liu L，Pesti P，Wang T.Supporting Anonymous Location Queries in Mobile Environments with Privacygrid[C]//Proceedings of the International World Wide Web Conference.New York：ACM，2008：237－246.

[11] 黃毅，霍崢，孟小峰.CoPrivacy：一種用戶協(xié)作無(wú)匿名區(qū)域的位置隱私保護(hù)方法[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（10）：1975－1985.Huang Yi，Huo Zheng，Meng Xiaofeng.CoPrivacy：A Collaborative Location Privacy Preserving Method without Cloaking Region[J].Chinese Journal of Computers，2011，34（10）：1975－1985.