一种用于空间查询处理的隐私保护空间索引

摘要

越来越多的积极研究正在进行，以保护移动设备用户的位置。为了隐藏自己的位置，用户必须调优更多的数据。特别是，如果用户请求一个查询NN，用户必须接收的对象数量可能会增加。为了解决这些问题，已经提出了一些研究。但是，在查询处理过程中发现了一些问题，如错误和查询处理时间的增加。当调优时间增加时，要下载的数据量和客户机的电池消耗也会增加。在本研究中，我们提出了隐私保护空间索引(PSI)，该索引允许用户在满足查询结果的同时减少调优时间。查询器(q)请求保护他/她位置的区域中的对象不受服务器的攻击。服务器将隐私保护区域(PR)中感兴趣点(POIs) (DPOIs)的请求数据发送给q。最后，q通过PSI选择性调优POIs (Dw)的所需数据，从而减少调优时间。实验证明了PSI比以往技术的优越性。

1.介绍

最近，随着移动设备的使用迅速增加，基于GPS的定位服务(LBS)的使用也在增加。LBS是指LBS服务器根据移动用户的位置提供的各种信息服务，如查找附近的兴趣点(POIs)、导航、位置跟踪、地图等[1- - - - - -5］．

然而，用户必须透露自己的位置信息才能访问LBS。当用户的位置信息发送到服务器时，服务器可以准确地识别出用户的位置。如果服务器被黑客攻击或滥用，用户的位置可能会被泄露，可能会造成严重的损失。因此，我们正积极研究如何保护用户位置[6- - - - - -10］．D-Bcast模型的提出是为了使未从主服务器接收到数据的客户端或已从其他主服务器移动的客户端能够有效地侦听数据[6］．由[7]可以将接收到的数据存储在缓存中并进行重用，以最大限度地减少用户查询服务数据暴露给不可靠的LBS服务器。文献[9]提出了一种通过位置匿名实现用户位置模糊的方法。然而,(10指出位置匿名也是服务器的一种扩展，不能被信任。该隐身方法可以防止暴露用户的特定位置，如建筑信息，因为查询是从包括用户的广义区域而不是用户的特定位置发送的。如果一个用户的位置被不断地暴露给服务器，那么该用户的移动路径就会被暴露[11- - - - - -16］．例如，让我们假设一个移动用户在从起点到目的地的特定路径发送查询。服务器通过将查询点的位置从起点连接到终点来预测用户的移动路径。如果将此路径暴露给恶意攻击者，则可以暴露用户的生活模式以及家庭和工作地址，还可以暴露用户以前访问过的医院等其他信息。因此，这可能会导致隐私问题。因此，在使用LBS时，对这一轨迹信息以及一般的位置信息进行保护至关重要。然而，为了隐藏他们的位置，用户必须增加查询处理中涉及的区域或路径的数量，并调优到比他们想要的更多的数据。如果调优时间增加，客户端需要下载的数据会增加，电池消耗也会增加。最近，有人提出了一种方法，在保护移动用户的位置和查询的同时，减少需要检查的对象数量[17- - - - - -20.］．文献[18]提出了一种解决用户和服务器问题的方法。例如，用户希望隐藏他们的位置，服务器必须不想处理所有用户的查询。因此，通过提出一个移动服务提供商来收集多个用户的查询，开发了一个满足用户和服务器需求的系统模型。文献[20.将各种类型的物体作为支持有效近似的方法k神经网络查询。这种方法不必披露的准确位置查询器(q)的服务器,因为查询请求地图除以一个网格中心服务器而不是问的精确位置。而请求的查询应该从网格的中心,然而,可能会发生错误，以致于基于q的位置进行查询。当q提供隐身区域(CR);CR₁、铬₂， q请求服务器的查询;Q代替他/她的位置，服务器向Q提供相应的响应生成(RG)对象;RG (Q, CR_1，2)，从而保护了q的位置。但是，当根据CR的中心搜索对象时，可能会出现如图所示的错误1．

数字1显示整个地图已被划分为CR₁~ CR₄每个CR中都有三个对象_我．假设为了保护他/她的位置，q选择了CR₁和铬₂找到两个离自己最近的物体。透过[20.，当从CR的中心搜索两个对象时_我，得到的CR值₁和铬₂是 和 ，分别。但是，如果根据实际的q搜索两个对象，则结果值为 ．此外，从服务器接收RG的q还需要对加密的数据进行解密。此外，暴露q位置的概率随k-匿名和网格大小。此外，随着匿名服务器的移除，用户应该创建匿名区域来保护他们的位置，因为近年来用户的智能设备在计算性能上有了提高。此外，在隐私成为问题的情况下，移除中间件被认为是更重要的，并且在位置保护方面是100%可靠的。另一方面，如果用户从服务器接收到的候选对象数量增加，则探索查询结果对象的成本可能会增加。因此，在本研究中，我们提出了隐私保护空间索引(PSI)，它允许选择性调优所需的对象数据，同时保护用户的位置。据我们所知，这是第一个在位置保护方法中实现对象数据调优的研究。本研究的主要贡献如下:(我)保护用户位置的方法有很多。我们提出了PSI，这是一种可以支持现有方法的通用索引结构。(2)由于用户直接进行匿名请求，因此没有第三方能够泄露其信息。(3)如果用户设置了一个大的查询区域来保护他们的位置，他们必须接收设置范围内对象数量的数据。另一方面，如果为了减少接收的数据量而缩小查询范围，则用户位置被暴露的可能性会增加。因此，我们通过有选择地调优必须从服务器接收的对象数据来减少调优时间。(iv)通过实验证明，该方法比现有的位置保护方法具有更好的性能。

本文组织如下2介绍了弹道防护的相关工作。部分3.描述我们的模型和Section4使用PSI索引提出各种查询。部分5通过实验结果比较了该方法与现有方法的性能。最后,部分6概述了结论。

2.相关工作

LBS查询一般分为快照查询或连续查询[1- - - - - -14］．使用快照查询的查询过程如下。方法使用k-最近有人提议匿名保护用户隐私[5- - - - - -8］．文献[8]通过把q和其他组合起来构成一个CRk-1用户，然后将CR发送到LBS服务器，而不是q的实际位置。参考[19]提出了一个动态网格系统(DGS)，允许用户保护自己的个人信息。通过DGS，用户可以向查询服务器发送加密的查询，并将查询内容发送到LBs服务器，从而保护自己在网格半径内的位置不受不可靠服务器的影响。但是，用户和服务器之间的加密和解密会增加查询处理时间。文献[20.改进了根据k对客户进行分组并转移到保护用户位置的技术时可能出现的问题。但是这种方法存在一个问题，即用户必须得到周围客户的同意，并且需要考虑移动的时间和方向。文献[21]提出了一种通过使用增强虚拟位置选择场景的假人来保护用户位置的方法。但是，它在应用于连续技术方面有局限性，因为它考虑的是快照。文献[22]提出了一种有效地放置k个假人的方法来保护用户的位置。然而，如果根据假人的数量只按角度放置假人，假人可能会集中在中心。文献[23]提出了一种方法，如果用户在移动时随机创建假人，则可以防止用户在特定方向移动时任意方向生成假人。该方法禁止用户从一个特定的范围内使用半径d。然而,即使假人半径内产生的d,它们可能会在生成的曲折与用户的移动路径,和有可能暴露用户的位置。文献[24]基于[的方法保护连续位置服务中的用户信息13］．但是，由于在生成假人的过程中没有考虑到各种情况(障碍)，因此存在用户位置保护概率降低的可能性。

除了这种方法，还有使用假人的方法的研究[20.- - - - - -23]，以及用户资料的加密[24，25］．但是，上述研究需要中间件(以下简称“匿名服务器”)。

因为匿名服务器调用了k- anonymous存在时，如果第三方攻击匿名服务器，则可能泄露客户端信息。为了解决这个问题k提出了一种基于对等(peer to peer, P2P)的匿名方法，该方法使用对等(peer to peer, P2P)进程代替匿名服务器[26］．虽然隐私级别很高，因为用户之间不使用匿名服务器进行通信，但个人隐私仍然可能受到损害，因为其他用户不能完全信任。

文献[20.提出了一种支持有效近似的方法k神经网络查询。该方法的查询过程包括三个步骤:查询生成(query Generation, QG)、响应生成(Response Generation, RG)和响应检索(Response Retrieval, RR)。在QG中，q请求服务器的一个查询。QG等于(Q, s)其中Q包括CR，n×n细胞,米POI类型(t)， q的位置(我，j),发现对象的数量和s保护问:在RG,服务器接收来自Q和(Q, s)满足查询的对象发送(R)的问POIs存储的数据库(D),这被称为RG (Q, D)。最后,从RG RR输出k对象(Q,D)从服务器接收到考虑k和t的q请求，这被称为kNN = RR (R, s)。

连续查询是指实时连续地向LBS服务器发送到目的地的查询。它们由多个快照组成，通过连接快照的位置来创建用户的轨迹。

用于保护连续查询或用户轨迹的隐藏方法包括k-匿名方法和虚拟轨迹创建方法。拟议的轨迹k- anonymous方法接收到与存储在匿名服务器中的数据库中q的轨迹相似的轨迹，并且k-1其他用户的位置分组在一起。然后随机进行查询。但是，此方法需要一个匿名服务器，并且查询位置附近必须有其他用户。如果用户距离较远，则CR变大，搜索的数据量增加，从而降低查询处理效率。

3.背景

ψ= ．α和β分别表示x轴和y轴的除数。位图在α β网格。指示对象单元格坐标和对象的存在。如果大于 ，服务器可以提供 ．的大小和可以通过

在(1)和(2)，隐私保护区域(PR)是用户请求的范围是PR中poi的数量，服务器提供的信息是或根据PR的大小和数量 ．

我们研究的目的是保护用户的位置不受服务器的影响，并启用有效的数据调优。查询过程分为以下三个步骤。

空间查询(SQ):为了保护自己的位置，用户根据自己当前的位置和所拥有的地图数据设置PR。问请求 ，它们是来自服务器的PR中包含的poi。

隐私保护空间索引(PSI):服务器管理映射中每个POI的数据集(D)。服务器还将PR除以n (x轴)和m (y轴)(α＝β取决于对象的分布)。单元格坐标( ）为每个划分的网格设置。每个网格可以有一个对象，如果它有对象，则保存第1位，否则保存第0位。数字2显示位图序列的设置( ）基于 ． 的范围我和j0≤我≤α, 0≤j≤β．

如果poi的数据大小相同，则可以通过确认数据到达时间 ．如果poi的数据大小不同，则进一步配置。的数据到达时间大小假设是相同的。最后，将PR中所有POIs的数据发送给q。

数据集到SQ (DSQ): q首先接收PSI并通过PSI选择所需的对象。然后q可以通过PSI确认所需POIs的位置和发送时间。因此，q有选择地调优到只对应的数据在 ．D⊃ ．

4.我们的模型

4．1.我们的系统模型

如图所示3.，基本系统模型由一个移动设备、一个定位系统和一个单一的LBS服务器组成。如果攻击者攻击了LBS服务器，或者LBS服务器不可靠，那么关于q的各种信息就会暴露出来。因此，在LBS中，位置信息的保护至关重要。

现有系统由LBS服务器、匿名服务器和移动用户组成。但是，匿名服务器不受信任。匿名服务器是单点故障，如果受到攻击，部分或所有服务都会失败。一般情况下，q将自己的位置信息发送到LBS服务器接收信息，这就导致了位置暴露的问题。因此，我们假设q通过广播的方式从LBS服务器获取地图信息。广播方式的优点是客户端可以在不暴露位置信息的情况下获取地图信息。

服务器管理q不存在的对象(如加油站、酒店、餐厅)的位置和其他信息(如价格、折扣、广告)。例如，q通过终端存储的地图信息和卫星信息，根据自己的位置创建PR。通过地图和卫星确认自己的位置后，制作广告，询问附近加油站的位置和价格。服务器提供加油站的位置和其他信息( ）如果q只选择一个最近的加油站，他只能调到10个加油站中的一个。

4．2．索引结构和查询过程

PSI结构由α，β， ，或(根据对象的数量而不同)和数据到达时间表( )，如图所示4．

5.使用PSI索引的各种查询

在本章中，我们介绍了将PSI应用于现有的用户位置保护方法后的查询过程。主要使用的现有方法有三种，定义如下。

定义1(基于隐身的空间查询(CSQ))。一般情况下，用户为了保护自己的位置，会设置一个等于或大于自己所需区域的区域作为PR。用户请求关于PR中的对象的信息，但不向服务器提供它们的位置。服务器无法验证用户的位置，因为它只从用户那里接收关于PR的信息，只向用户发送PR中对象的信息。用户的优势是不暴露他们的位置，但他们必须在PR中检查所有的对象。同时，服务器不会产生额外的成本(例如搜索离用户最近的对象)，因为它不知道用户的精确位置。
数字5展示了一个使用PSI处理基于隐藏的空间查询的示例。
CSQ流程如下:

步骤1。q通过SQ向服务器请求查询结果。CSQ中SQ的结构要素如下:首先，PR设置为矩形(该矩形可以根据q的要求而变化)。CSQ的PR ( ）设置x坐标的最小值( )，y坐标的最小值( )，x坐标的最大值( )，和y坐标的最大值( ）然后请求存在于从服务器。

步骤2。服务器搜索请求在在其控制下的基于位置的D。检查后的分布 ，PR除以α对于x轴和byβ，以便每个网格中只存在一个POI (α＝β取决于对象的分布)。通过(3.)．数字4显示,，根据poi分布配置为“0101111110111101”。最后，服务器发送PSI = 和问。

步骤3。q用他/她要求的，以及α和β的值，并检查物体的位置通过 ．检查用户想要搜索的搜索区域(SR)中包含的POI，并检查POI的帧数 ．数字5显示了包含在SR中的poi是 ．q可以通过将的序列相加来确定POI数位1。最后，q有选择地调到和(算法1)．

定义2 (p-基于匿名的空间查询(pasq))。我们定义p-匿名，以防混淆k在k神经网络和k匿名。pq是否提供给服务器一个虚q来混淆他/她的位置，并且服务器不能区分q的位置和的位置p－1.根据[19，我们还假设查询被发送到位置为q和位置为的服务器p设置在网格区域。表示基于网格请求查询时，保证查询结果准确性所需要的区域大小 在(5)， r根据x轴和y轴之间较长的长度生成一个圆 ．所有的网格都包含在这个圆圈里 形成一个q想要的POI存在的区域。
数字6展示了p-ASQ处理使用PSI。
的过程p-ASQ如下所示。

步骤1。q通过SQ向服务器请求查询结果。SQ的结构要素p-ASQ的取值如下:首先，q和p指定-1虚点(PRs)，并将PR设置为矩形形状。的公关pasq ( ）由 ，x坐标和的距离是多少 ，也就是y坐标的距离。后随机设置是基于pq要求的分数，p创建了PRskPOIs要求。

步骤2。在其控制的基于位置的d中，服务器验证然后，为了查询结果的准确性，添加δ( ， ）的 ．然后,kPOIs ( ）是基于p网格。

在(6)，中包含的附加poi的数目 ．如果k包括λ，λ＝λ-k．σ表示k之间重叠的poikPOIs的 ．

服务器设置一个区域，其中包括并根据POIs的分布来划分映射(与 )．服务器最后发送PSI = 和问。

步骤3。q验证( ， ）和( ， ）通过从服务器接收到的PSI，将对应的map除以α和β值。物体的位置通过 ．最后,经过k基于自己的位置验证POI，通过验证POI的帧数 ．最后，q有选择地调到和(算法1)．

定义3 (年代-基于轨迹的空间查询(年代-TrSQ))。年代-TrSQ设置从起始位置开始的路径( ）到达终点( ）其中用户将进行查询。的轨迹距离被定义为假设距离是以及tr的轨迹距离_我都是相同的。以防止他/她的暴露 ，q另外创建年代1 tr_我然后向服务器发送一个查询。TRS连接到节点(n)。 服务器无法区分和tr_我．因此，服务器根据q请求的Tr将查询结果发送给q。

数字7展示了年代-TrSQ处理使用PSI。

的年代-TrSQ流程如下。

步骤1。q通过SQ向服务器请求查询结果。SQ的结构要素年代-TrSQ如下:是集。创建年代1 trs扣除 ，q设置创建范围 和随机集年代-1 TRS在此创建范围内。如图所示7时，q根据自己创建的Tr设置搜索范围并发送给服务器，然后请求在该Tr的搜索范围内。

步骤2。服务器搜索请求在在其控制下的基于位置的d中。检查后的分布 ，PR除以α对于x轴和byβ，以便每个网格中只存在一个POI。服务器配置划分的网格和之间的重叠区域作为 ．最后，服务器发送PSI = 和问。

步骤3。q用他/她所要求的α和β的值，然后检查物体的位置通过 ．搜索区域中包含的poi ( ）检查用户想要搜索的帧数，并检查POI的帧数 ．数字7中包含的poi ．q可以通过添加的序列来检查POI号位1。最后，q有选择地调到和只有。

6.实验结果

6．1.实验环境

在本节中，我们讨论了CSQ的实验，pasq,年代-TrSQ使用PSI。我们还将它们与原始(Ori) CQS进行了比较，pasq,年代-TrSQ。在实验中，使用c++编程语言在3.3 ghz的CPU和8gb的主存上实现算法。我们假设基本参数设置值如表所示1以评估绩效。我们还讨论了CSQ的实验，pasq,年代-TrSQ只使用每个方法的索引。为了进行这些实验，我们将变量设置为它们的默认值，除了表中括号中的值1．此外，价值和由(1)和(2)，因为它们随查询类型而异。假设单个网格的大小为10m²．实验环境由服务器、2D空间的客户端和客户端用于获取信息的无线广播通道组成。调优时间会因带宽和传输速率的不同而不同，因此在实验中，数据大小以图形结果(y轴)表示。

6.2。CSQ的实验结果

是整个地图的10%吗被设定为20% ．

在图8， x轴变量被分为128、256、512和1024 K字节的数据大小进行比较。

数字8显示根据数据大小调整时间的变化。我们可以看到PSI的性能比Ori-CSQ提高了80%。这是因为即PSI必须搜索的个数小于Ori-CSQ必须搜索的。因此，随着数据大小的增加，调优时间的差异也会增加。

数字9显示根据搜索范围的大小调整时间的变化默认设置显示在表中的括号中1．的变量的大小设置为0%、20%、30%和50% ．我们可以看到PSI的性能比Ori-CSQ平均提高了71.5%。这是因为作为增加，数量在随着PSI调谐时间的增加而增大。

6.3。p-ASQ实验结果

来处理p-ASQ时，我们设置表中列出的默认值1．在图10，默认值p为100，数据大小为256k字节，x轴的变量为k最接近q的poi，分为10、20、30和50进行比较。

数字10显示根据大小调整时间的变化k．PSI的性能比Ori-提高了98.8%p- asq，这是因为Ori-p-ASQ必须调优到所有kPOIs对应p的位置。

数字11显示根据大小调整时间的变化p．x轴的变量是p,p大小设置为50、100、200和300。随着p尺寸的增大，PSI的调谐时间不变，而Ori-的调谐时间不变pasq大大增加。在PSI的情况下，只有k需要计算POIs，因为q的位置已经知道了。然而，作为奥拉-p-ASQ增加，对应于(6)必须进行调优，大大增加了调优时间。因此，PSI的性能比Ori-CSQ平均提高了99.2%。

6.4。s-TrSQ的实验结果

来处理年代-TrSQ，我们设置表中列出的默认值1．默认值在图12为50km，数据大小为256k字节。x轴的变量是年代轨迹，包括q的轨迹，q被设置为10、20、30和50，以供比较。

数字12显示根据大小调整时间的变化年代．PSI的性能比Ori-提高了96.1%年代-TrSQ。这是因为奥拉年代-TrSQ必须调到所有网格年代路径。

数字13显示调谐时间根据长度的变化 ．x轴的变量是 ，长度分别为10、50、200和300公里。的长度增大时，PSI的调谐时间以固定的低速率增大，而Ori-的调谐时间增大年代-TrSQ大幅增加。在PSI的情况下，只需要接收q路径中包含的网格中的POIs。因此，PSI的性能比Ori-平均提高了94.9%年代-TrSQ。

7.结论

在本研究中，我们提出了PSI，该PSI在保护q位置的同时，可以选择性地调整到q所需的数据。此外，我们还提出了适用于PSI传统位置保护方法的一般指标结构。最后，与传统方法相比，通过选择性地调整服务器接收到的对象的数据，实验减少了不必要的数据和设备的电池消耗。未来，我们计划研究一种同时考虑POI类型和位置的空间查询处理方法。

数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

的利益冲突

宋斗熙、宋文培、朴光珍等人表示:“对出版该手稿没有利害冲突。”

致谢

本文得到了圆光大学2018年的资助。

参考文献

1. 彭译葶。Chow和M. F. Mokbel，《基于位置的服务和数据发布中的轨迹隐私》，ACM SIGKDD探索通讯，第13卷，第2期1，页19-29,2011。视图:出版商的网站|谷歌学者
2. A. R.贝雷斯福德和F.斯塔哈诺，《普适计算中的位置隐私》，IEEE普适计算，第2卷，第2期1，页46-55,2003。视图:出版商的网站|谷歌学者
3. K. Park和P. Valduriez，“分层网格索引(HGI)，无线数据广播中的空间查询，”分布式并行数据库第31卷第1期3, pp. 413-446, 2013。视图:出版商的网站|谷歌学者
4. 申国光，鞠欣欣，陈振中，胡昕，“基于位置服务的用户隐私保护”，IEEE无线通信杂志第19卷第2期1, pp. 30-39, 2012。视图:出版商的网站|谷歌学者
5. 牛斌，朱旭东，李伟，李海华，王颖，陆志刚，“基于隐私感知的位置服务的个性化两层隐身方案”，科技进步与展望2015国际计算、网络和通信会议论文集，ICNC 2015， pp. 94-98, Garden Grove, CA, USA, 2015。视图:出版商的网站|谷歌学者
6. D. Song, K. Park，《无线移动网络分布式广播的部分指标》信息科学，第348卷，第2期。20, pp. 142-152, 2016。视图:出版商的网站|谷歌学者
7. 牛乙，李强，朱旭东，曹国光，李海华，“基于位置服务的高速缓存增强隐私”，出版第34届IEEE计算机通信年会论文集(IEEE INFOCOM’15)， pp. 1017-1025, IEEE，九龙，香港，2015年5月。视图:出版商的网站|谷歌学者
8. 2 .牛小龙，朱旭东，池海涛，李海涛，“基于位置服务的隐私保护伪位置更新系统”2013 IEEE无线通信与网络会议论文集，WCNC 2013，第4564-4569页，2013年4月。视图:谷歌学者
9. M. F. Mokbel, C. Y. Chow和W. G. Aref，《新的卡斯珀:在不损害隐私的情况下对位置服务的查询处理》，刊于第32届超大数据库国际会议论文集，页763-774,2006。视图:谷歌学者
10. G. Ghinita, P. Kalnis, A. Khoshgozaran, C. Shahabi, k - l。Tan，“基于位置的服务中的私人查询:匿名者是不必要的”美国计算机学会SIGMOD数据管理国际会议论文集(SIGMOD’08)，页121 - 132,2008。视图:出版商的网站|谷歌学者
11. 彭译葶r·施莱格尔。周庆黄，黄德生，“基于位置服务的用户自定义隐私网格系统”，IEEE移动计算汇刊第14卷第2期10, pp. 2158-2172, 2015。视图:出版商的网站|谷歌学者
12. D. Song, J. Sim, K. Park, M. Song，“基于位置服务的隐私保护连续位置监控系统”，国际分布式传感器网络杂志，文章ID 815613, pp. 1-10, 2015。视图:出版商的网站|谷歌学者
13. 牛斌，李强，朱旭东，曹国刚，李海霞，“基于隐私的位置服务的k-匿名性实现”，《中国科学院地理科学与资源研究所学报》IEEE计算、网络和通信国际会议论文集， pp. 754-762, IEEE，多伦多，加拿大，2014。视图:出版商的网站|谷歌学者
14. Zhao H.， Wan J.， Chen Z.，“一种新的基于虚拟的KNN查询匿名方法”，国际智能家居杂志，第10卷，第5期。6、pp. 137-154, 2016。视图:出版商的网站|谷歌学者
15. 李飞，万胜，牛斌，李辉，何颖，“基于时间模糊的基于位置服务的隐私保护方案”2016 IEEE无线通信与网络大会论文集，第1-6页，卡塔尔多哈，2016年4月。视图:出版商的网站|谷歌学者
16. 牛斌，高胜，李飞，李辉，陆志刚，“基于背景信息的连续LBSs中位置隐私的保护”国际计算、网络和通信会议论文集，ICNC 2016，第1-6页，2016年2月。视图:谷歌学者
17. R. Paulet, M. G. Kaosar, X. Yi，和E. Bertino，“隐私保护和内容保护基于位置的查询，”IEEE国际数据工程会议，第26卷，第44-53页，2012。视图:出版商的网站|谷歌学者
18. R. Paulet, M. G. Kaosar, X. Yi，和E. Bertino，“隐私保护和内容保护基于位置的查询，”IEEE知识与数据工程汇刊第26卷第2期5, pp. 1200-1210, 2014。视图:出版商的网站|谷歌学者
19. X. Yi, R. Paulet, E. Bertino, and V. Varadharajan， "实用k近邻查询与位置隐私，" in第30届IEEE国际数据工程会议论文集(ICDE’14)， pp. 640-651, IEEE，芝加哥，伊利诺伊州，2014年4月。视图:出版商的网站|谷歌学者
20. X. Yi, R. Paulet, E. Bertino，和V. Varadharajan，“具有位置和查询隐私的实际近似k最近邻查询”，IEEE知识与数据工程汇刊第28卷第2期6、pp. 1546-1559, 2016。视图:出版商的网站|谷歌学者
21. 牛斌，张志强，李旭东，“基于位置服务的隐私区域感知虚拟生成算法”IEEE国际通信会议论文集，第957-962页，澳大利亚悉尼，2014年6月。视图:出版商的网站|谷歌学者
22. P.-R。Lei,观测。彭,黄世建。苏,C.-P。Chang，“基于假人的保护运动轨迹的方案，”信息科学与工程学报第28卷第2期2, pp. 335 - 350,2012。视图:谷歌学者|MathSciNet
23. T. Hara, A. Suzuki, M. Iwata, Y. Arase, X. Xie，“真实世界约束下基于虚拟的用户位置匿名化”，IEEE访问，第4卷，673-687页，2016。视图:出版商的网站|谷歌学者
24. Y. Elmehdwi, B. K. Samanthula，和W. Jiang，“在外包环境中加密数据的安全k近邻查询”第30届IEEE国际数据工程会议论文集(ICDE’14)，第664-675页，2014年4月。视图:出版商的网站|谷歌学者
25. W. K. Wong, D. W.张，B. Kao, N. Mamoulis，“加密数据库的安全kNN计算”，刊于美国计算机学会SIGMOD国际会议记录。相依之管理。数据中，第139-152页，2014年7月。视图:出版商的网站|谷歌学者
26. 彭译葶。周，M. F. Mokbel和X. Liu，“基于匿名位置服务的点对点空间隐身算法”，发表于《基于匿名位置服务的点对点空间隐身算法》第十四届ACM地理信息系统进展国际研讨会论文集(ACM- gis '06)，第171-178页，ACM, 2006年11月。视图:出版商的网站|谷歌学者

版权

版权所有©2018 Doohee Song等人。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。