CN112861173B 一种车联网位置隐私保护方法及系统 （兰州理工大学）

本发明涉及一种车联网位置隐私保护方法对车联网当前位置点进行预测并对位置点进行划分；通过每个区域的结构系数向量使用PageRank算法计算车联网用户位置的敏感属性通过拉普拉斯机制基于每个区域的隐私预算添2基于所述位置点有向图，利用PageRank算法计算每个所述用户位置点的敏感属性值，获取每个所述区域内的车辆流入流出情况，并根据所述车辆流根据所述敏感属性值以及所述结构系数计算每个所述用户位置点基于每个所述区域的差分隐私预算，利用拉普拉斯机制对所述将相似度小于相似度阈值的敏感属性值对应的用户位置点进行合并，确定多个区域；域内的车辆流入流出情况，并根据所述车辆流入流出情况计算每个所述区域的结构系数，3根据所述敏感属性值以及所述结构系数向量，利用公式计算每个获取每个所述区域的差分隐私预算，利用拉普拉斯机制对所述用θ的拉普拉斯噪声满足公式其中，D.x,(r,0)为概率分布π为180°。位置点有向图生成模块，用于利用序列位置点背景知识对敏感属性值计算模块，用于基于所述位置点有向图，利用PageRan结构系数计算模块，用于获取每个所述区域内的车辆流入敏感度计算模块，用于根据所述敏感属性值以及所述结构系数计算差分隐私预算确定模块，用于对所述敏感度进行差分隐私拉普拉斯噪声添加模块，用于基于每个所述区域的差分隐私预算，利用拉普45线通信和信息交换的大型网络，也是一种能够实现智能交通与动态信息服务的一体化网越来越多的车联网安全问题浮现出来。车联网日益增加的基于位置的服务(Location6[0024]根据所述敏感度属性值以及所述结角为θ的拉普拉斯噪声满足公式其中，为概率π为180°。7计算每个所述用户位置点的敏感属性值；其中，PR车联网位置隐私保护方法及系统，采用PageRank算法来计算轨迹上位置点的敏感属性值，8[0054]本发明的目的是提供一种车联网位置隐私保护方法及系统，提高了隐私保护效9有用户位置点数量；M(Li)为Li有出链的位置集合；PR(Lj)为第j用户位置点Lj的敏感属性[0063]所述步骤103具体包括：将相似度小于相似度阈值的敏感属性值对应的用户位置[0069]基于一个区域内的位置连边结构特征和另一个区域的的连边数量来衡量区域对[0075]步骤105：根据所述敏感属性值以及所述结构系数计算每个所述用户位置点的敏[0076]将基于PageRank算法计算的值进行归一化处理再与所述的区域结构系数向量进[0077]K,实际上是对邻接矩阵每一行分别求和再减去内部度所得到的数值，I据集的任何位置信息。隐私预算ε是基于差分隐私模型拟定的一个用来表示隐私保护级别[0090]基于隐私保护预算ε以及用户实际位置点x0，计算得出位置差分隐私需添加的噪[0091]为满足位置差分隐私需添加的噪声的概率函数，给定隐私保护预算ε,实际位置解到半径r和角度θ上得到：[0103]位置点有向图生成模块301，用于利用序列位置点背景知识对车联网内所有用户计算每个所述用户位置点的敏感属性值；其中，PR[0115]敏感度计算模块305，用于根据所述敏感属性值以及所述结构系数计算每个所述CLM方法为轨迹上所有的位置点添加相同强度的噪声信息，对整条轨迹进行相同程度的干始轨迹序列和添加的噪声序列之间变得不可识别。但PR-Diff算法采用PageRank算法计算[0132]综上所述，本发明提出的PR-Diff算法利用序列位置点背景知识对当前位置点进