项目名称: 面向位置服务的车载自组织网络安全与隐私保护研究

项目编号: No.61301142

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 应必娣

作者单位: 浙江工商大学

项目金额: 23万元

中文摘要: 由于无线信道广播特性、位置服务器不可信任等特点,LBS业务给用户带来严重隐私威胁。因此,LBS隐私保护是车载自组织网络中LBS业务得以大规模推广的首要解决问题。本项目从车载自组织网络的拓扑变化快、车辆运动受道路限制等特点出发,提出1)基于博弈论的动态Mix-zone身份隐私保护算法,给出Mix-zone与不同车辆个性化隐私需求之间的关系,根据奖励与惩罚机制建立伪名更改博弈模型,阻止攻击者从新旧伪名推测出车辆的身份隐私;2)提出基于s-分路的连续查询位置隐私保护算法,达到匿名区域内的道路分布均衡目的,提高查询精确度,保护车辆的位置隐私;3)提出基于博弈论的连续查询内容隐私保护算法,从博弈论角度分析自私车辆和攻击者的最优策略,解决连续查询中所存在的内容联合攻击问题。本项目研究成果预期在IEEE期刊和高质量国际会议发表,为实现车载自组织网络中LBS业务的大规模推广提供前期理论基础和技术方案。

中文关键词: 车载自组织网络;位置服务;隐私;;

英文摘要: Due to broadcasting nature of wireless channel and semi-trust of location servers, protecting privacy in the Location-Based Service (LBS) is very important in the Vehicular Ad Hoc Network (VANET) . Since VANET has several challenges in terms of frequent topology change, vehicles' movements limiting to roads, large scale of network, how to protect privacy of LBS is a very urgent problem if LBS can be used in the scale of VANET. Therefore, we proposed three schemes to protect LBS' privacy by employing Mix-zone, K-anonymity and game theory. Details are: 1) a scheme titled Mix-zone based game theory for pseudonym protection in VANET is given. In this scheme, firstly, a vehicle' s Mix-zone is dynamically formed when a vehicle requests it, and its size is determined on the prediction of location and the vehicle's level of privacy requirement. Secondly, we proposed a pseudonym changing game by adding rewards and penalties, in order to prevent a global attacker from guessing the mapping of old and new pseudonyms. 2) a scheme named continuous LBS location privacy based s-segment in VANET is proposed. The aim of this scheme is to improve the query accuracy and protect location privacy in the continuous LBS. Achieving it, we design an anonymous algorithm to get a anonymous cloaking region where at least s-segments and k-ve

英文关键词: Vehicular Network;Location-based Service;Privacy;;

成为VIP会员查看完整内容
0

相关内容

「联邦学习隐私保护 」最新2022研究综述
专知会员服务
116+阅读 · 2022年4月1日
6G中联邦学习的应用、挑战和机遇
专知会员服务
51+阅读 · 2022年3月14日
联邦学习研究综述
专知会员服务
147+阅读 · 2021年12月25日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
区块链数据安全服务综述
专知会员服务
54+阅读 · 2021年11月10日
专知会员服务
34+阅读 · 2021年10月19日
专知会员服务
29+阅读 · 2021年9月30日
专知会员服务
91+阅读 · 2021年7月23日
专知会员服务
112+阅读 · 2020年11月16日
专知会员服务
124+阅读 · 2020年8月7日
2021年车联网安全研究报告
CCF计算机安全专委会
1+阅读 · 2022年4月7日
视频隐私保护技术综述
专知
3+阅读 · 2022年1月19日
联邦学习最新研究趋势!
AI科技评论
52+阅读 · 2020年3月12日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
CCCF专栏 | 联邦学习
中国计算机学会
26+阅读 · 2018年11月19日
网络安全态势感知
计算机与网络安全
25+阅读 · 2018年10月14日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
Arxiv
1+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
「联邦学习隐私保护 」最新2022研究综述
专知会员服务
116+阅读 · 2022年4月1日
6G中联邦学习的应用、挑战和机遇
专知会员服务
51+阅读 · 2022年3月14日
联邦学习研究综述
专知会员服务
147+阅读 · 2021年12月25日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
区块链数据安全服务综述
专知会员服务
54+阅读 · 2021年11月10日
专知会员服务
34+阅读 · 2021年10月19日
专知会员服务
29+阅读 · 2021年9月30日
专知会员服务
91+阅读 · 2021年7月23日
专知会员服务
112+阅读 · 2020年11月16日
专知会员服务
124+阅读 · 2020年8月7日
相关资讯
2021年车联网安全研究报告
CCF计算机安全专委会
1+阅读 · 2022年4月7日
视频隐私保护技术综述
专知
3+阅读 · 2022年1月19日
联邦学习最新研究趋势!
AI科技评论
52+阅读 · 2020年3月12日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
CCCF专栏 | 联邦学习
中国计算机学会
26+阅读 · 2018年11月19日
网络安全态势感知
计算机与网络安全
25+阅读 · 2018年10月14日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员