王永錄，左開中 ，曾海燕，劉 蕊，郭良敏

1.安徽師范大學(xué) 計(jì)算機(jī)與信息學(xué)院，安徽 蕪湖 241002

2.安徽師范大學(xué) 網(wǎng)絡(luò)與信息安全安徽省重點(diǎn)實(shí)驗(yàn)室，安徽 蕪湖 241002

1 引言

隨著移動技術(shù)與定位技術(shù)的不斷發(fā)展，基于位置的服務(wù)（Location-Based Services，LBS）已逐步應(yīng)用到更為廣泛的領(lǐng)域[1-3]。根據(jù)用戶查詢方式不同，LBS主要分為快照查詢和連續(xù)查詢。其中，連續(xù)查詢作為常見的LBS服務(wù)，用戶需要在查詢有效期內(nèi)不斷更新位置，存在一定的風(fēng)險(xiǎn)，即位置隱私泄漏問題[4-5]。因此，如何在連續(xù)查詢中保護(hù)位置隱私已成為國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)。

現(xiàn)有路網(wǎng)環(huán)境下面向連續(xù)查詢的位置隱私保護(hù)方法大多基于K-匿名和L-路段多樣性[6-8]，即匿名區(qū)域至少包含K個(gè)用戶和L條路段。Wang等[9]通過歷史數(shù)據(jù)預(yù)測移動用戶在路網(wǎng)中的運(yùn)動情況，來構(gòu)造匿名區(qū)域。潘曉等[10]通過在連續(xù)查詢的最初時(shí)刻為用戶生成統(tǒng)一匿名用戶集，結(jié)合路網(wǎng)環(huán)境構(gòu)建具有L條連通路段的匿名區(qū)域，來保護(hù)用戶位置隱私。Zhang等[11]提出在混合區(qū)域中共享相同查詢內(nèi)容和時(shí)間間隔，使得攻擊者無法通過子軌跡推測真實(shí)用戶，保護(hù)位置隱私。張磊等[12]提出一種提高當(dāng)前路段查詢密度值的密度壓縮算法，通過在用戶真實(shí)位置附近添加大量噪聲用戶，保護(hù)位置隱私。與基于語義位置的方法相比，現(xiàn)有連續(xù)查詢位置隱私保護(hù)方法均未考慮用戶所處語義位置信息，存在語義推斷攻擊[13]，導(dǎo)致用戶隱私泄漏。

已有路網(wǎng)環(huán)境下的語義位置隱私保護(hù)方法主要集中于快照查詢，即用戶只需向LBS服務(wù)器提供一次位置信息，LBS服務(wù)器根據(jù)用戶的位置和查詢內(nèi)容提供服務(wù)。針對語義推斷攻擊問題，Li等[14]利用城市路網(wǎng)中的道路交叉口和語義位置進(jìn)行Voronoi圖劃分，通過位置語義信息有選擇地添加鄰近Voronoi單元，構(gòu)建語義安全匿名區(qū)域，實(shí)現(xiàn)隱私保護(hù)，但該方法存在匿名區(qū)域過大問題。Xu等[15]針對匿名區(qū)域過大問題，提出一種基于全局最優(yōu)和局部最優(yōu)的增量查詢方法，通過減少添加不必要的Voronoi單元，縮減匿名區(qū)域面積，降低查詢開銷，提升服務(wù)質(zhì)量。陳慧等[16]針對敏感位置信息泄漏問題，提出一種基于用戶個(gè)性化隱私需求的語義位置保護(hù)方法。然而，若將這些方法簡單應(yīng)用于連續(xù)查詢，攻擊者就可以利用相鄰時(shí)刻匿名用戶集間的關(guān)聯(lián)關(guān)系，通過識別用戶身份標(biāo)識信息推測真實(shí)查詢用戶，即連續(xù)查詢追蹤攻擊[17]，導(dǎo)致用戶隱私泄漏。

基于此，本文提出一種路網(wǎng)環(huán)境下面向連續(xù)查詢的敏感語義位置隱私保護(hù)方案，通過設(shè)計(jì)(K,θ)-隱私模型構(gòu)建匿名區(qū)域，提高用戶身份的不確定性和所處敏感語義位置的隱私保護(hù)程度，更為有效地同時(shí)抵御連續(xù)查詢追蹤攻擊和語義推斷攻擊。

2 預(yù)備知識

2.1 相關(guān)定義

連續(xù)查詢可以分為新到查詢用戶和活動查詢用戶兩種[10]。新到查詢用戶是指首次發(fā)出連續(xù)查詢的用戶；活動查詢用戶是指在連續(xù)查詢有效期內(nèi)發(fā)生位置更新的用戶。鑒于路網(wǎng)環(huán)境下的連續(xù)查詢過程中，用戶在交叉路口的運(yùn)動具有不可預(yù)知性，本文假設(shè)已知用戶在查詢有效期內(nèi)的移動路徑[10]，如“查詢從北京大學(xué)路徑清華大學(xué)、人民大學(xué)到達(dá)上地過程中距離我最近的醫(yī)院”。

定義1（帶Voronoi劃分的路網(wǎng)）路網(wǎng)是現(xiàn)實(shí)生活中多條道路（即路段）構(gòu)成的交通網(wǎng)絡(luò)，可以形式化表示為一個(gè)無向圖G(V,E)，其中：

（1）E是邊的集合，每條邊對應(yīng)一條路段，記為e={eid,(vi,vj),velmax}，其中，eid表示路段編號，(vi,vj)表示路段始點(diǎn)和終點(diǎn)（即路段結(jié)點(diǎn)），velmax表示路段最大速度限制。

（2）V 是路段結(jié)點(diǎn)的集合，記為V={v1,v2,…}，其中v表示路段結(jié)點(diǎn)。路網(wǎng)G(V,E)中每個(gè)路段結(jié)點(diǎn)的Voronoi單元滿足Voronoi(v)={z:d(z,v)≤d(z,w),w≠v,(w,v)∈V}，其中，d(z,v)表示z到v的歐式距離，z表示路網(wǎng)中的任意位置。這些Voronoi單元互不重合，包含多條路段。

因此，一個(gè)帶Voronoi劃分的路網(wǎng)可以表示為G(V,E,Voronoi(v))。

定義2（語義位置流行度）是指用戶訪問該語義位置的概率。設(shè)loc是一個(gè)語義位置，U(loc)={u1,u2,…,um}是訪問過該語義位置的用戶集合，并設(shè)nj是用戶uj對loc的訪問次數(shù)，該語義位置被訪問的總數(shù)記為因此該語義位置的流行度定義為P(loc)=中，H(loc)=，它表示該語義位置的信息熵，即被用戶訪問的可能性。為了便于區(qū)分語義位置與道路交叉口，設(shè)置道路交叉口的流行度為0。

定義3（語義位置）是指具有坐標(biāo)、語義位置類型（如醫(yī)院、學(xué)校等）和流行度等特征的位置，記為loc={(x,y),type,P(loc)}，在路網(wǎng)中使用距離最近的路段結(jié)點(diǎn)表示，其中，(x,y)表示語義位置坐標(biāo)，type表示語義位置類型，P(loc)表示語義位置流行度。語義位置是否敏感由用戶定義，例如醫(yī)院，部分患者認(rèn)為是敏感的，醫(yī)生則認(rèn)為是非敏感的。

定義4（連續(xù)查詢移動路徑）是指用戶連續(xù)查詢期間經(jīng)過的路段結(jié)點(diǎn)。一個(gè)連續(xù)查詢移動路徑被形式化表示為路段結(jié)點(diǎn)的有序序列，記為 path={ }nodes,size，其中，nodes表示經(jīng)過的路段結(jié)點(diǎn)集合，記為nodes=表示經(jīng)過的路段結(jié)點(diǎn)個(gè)數(shù)。為了簡便，假設(shè)系統(tǒng)中連續(xù)查詢用戶的起點(diǎn)和終點(diǎn)都為路段結(jié)點(diǎn)。若連續(xù)查詢用戶位于路段中的某個(gè)位置點(diǎn)上，系統(tǒng)會自動將其轉(zhuǎn)化為最近鄰路段結(jié)點(diǎn)。

定義5（用戶）是指在路網(wǎng)上發(fā)起連續(xù)查詢請求的移動對象，記為u={u id,loc,e,path,vel,PR} ，其中，uid表示用戶編號，loc表示用戶所處語義位置，e表示用戶所在路段，path表示用戶連續(xù)查詢移動路徑，vel表示用戶移動速度，PR表示用戶的隱私需求，記為PR={K ,θ,senstype}，其中，K表示用戶定義的匿名用戶數(shù)量，θ表示用戶定義的語義安全閾值，senstype表示用戶定義的敏感語義位置類型。

定義6（匿名區(qū)域）是指一個(gè)用來隱藏用戶語義位置的空間區(qū)域，記為CR={ }users,Voronois，其中，users表示CR中的匿名用戶集合，記為users={u1,u2,…}，Voronois表示CR中的Voronoi單元集合，記為Voronois={Voronoi(v1),Voronoi(v2),…}，這些Voronoi單元可以構(gòu)成連通圖，具有連通性。

定義7（θ-語義安全匿名區(qū)域）已知一個(gè)匿名區(qū)域CR和一個(gè)用戶u，對用戶u來說CR中屬于敏感的語義位置用senslocsu表示，則匿名區(qū)域敏感語義位置總流行度記為 popCR(senslocsu)，匿名區(qū)域語義位置總流行度記為 popCR(?)，匿名區(qū)域語義安全程度用d(CR)表示：

若匿名區(qū)域的語義安全程度d(CR)≤u.PR.θ，稱CR對用戶u來說是一個(gè)θ-語義安全匿名區(qū)域。

定義8（平均移動速度）是指用戶移動速度的平均值vavg，可表示為：

其含義是根據(jù)用戶當(dāng)前移動速度來預(yù)測在整個(gè)連續(xù)查詢移動路徑上的平均速度，其中，u.vel表示用戶當(dāng)前移動速度，u.e.velmax表示用戶所在路段最大限制速度，vi表示用戶經(jīng)過路段結(jié)點(diǎn)集合中第i個(gè)路段結(jié)點(diǎn)，e.velmax表示以(vi,vi+1)作為始點(diǎn)和終點(diǎn)的路段最大限制速度。

定義9（時(shí)空相似性）是指兩個(gè)用戶在連續(xù)查詢移動路徑和移動速度方面的相似程度，其值越大，移動路徑和移動速度越相似。已知2個(gè)用戶ui和uj，其對應(yīng)的連續(xù)查詢移動路徑為 pathi和 pathj，平均移動速度為ui.vavg和uj.vavg，則時(shí)空相似性δ可表示為：

2.2 系統(tǒng)架構(gòu)

本文方案采用的是匿名保護(hù)方法下的LBS中心服務(wù)器系統(tǒng)架構(gòu)[9-10]，如圖1所示。該系統(tǒng)架構(gòu)由用戶、匿名服務(wù)器及LBS服務(wù)器3部分組成。本文假定匿名服務(wù)器是可信的，由匿名區(qū)域構(gòu)造模塊和候選結(jié)果集求精模塊組成。其中，匿名區(qū)域構(gòu)造模塊負(fù)責(zé)對用戶位置進(jìn)行匿名處理；候選結(jié)果集求精模塊負(fù)責(zé)對LBS服務(wù)器返回的結(jié)果進(jìn)行求精。當(dāng)用戶發(fā)出請求時(shí)，將自己的位置信息、隱私需求和查詢內(nèi)容發(fā)送給匿名服務(wù)器。匿名服務(wù)器根據(jù)隱私保護(hù)算法進(jìn)行匿名處理，并將處理后的查詢請求發(fā)送給LBS服務(wù)器。LBS服務(wù)器計(jì)算出候選查詢結(jié)果集并返回給匿名服務(wù)器。匿名服務(wù)器對LBS服務(wù)器返回的結(jié)果進(jìn)行篩選，并將精確查詢結(jié)果返回給用戶。本系統(tǒng)中，匿名服務(wù)器需要保存當(dāng)前的地圖信息、語義位置信息及流行度。

3 方案描述

針對連續(xù)查詢位置服務(wù)中存在連續(xù)查詢追蹤攻擊和語義推斷攻擊問題，本文方案通過設(shè)計(jì)(K,θ)-隱私模型構(gòu)建匿名區(qū)域，來保護(hù)用戶身份和敏感語義位置隱私。

3.1 (K,θ)-隱私模型設(shè)計(jì)

假設(shè)CRi(1≤i≤t)為用戶u在第i時(shí)刻形成的匿名區(qū)域，CR1.users表示用戶u在初始時(shí)刻根據(jù)時(shí)空相似性構(gòu)建的匿名用戶集，CRi.users表示第i時(shí)刻的匿名用戶集，u.loci.type表示用戶在第i時(shí)刻所處語義位置類型，u.PR.K表示用戶定義的匿名用戶數(shù)量，u.PR.senstype表示用戶定義的敏感語義位置類型，u.PR.θ表示用戶定義的語義安全閾值。如果CRi滿足如下四個(gè)條件：

（1）| C Ri.users|≥u.PR.K；

圖1 LBS中心服務(wù)器系統(tǒng)架構(gòu)

（2）CRi.users=CR1.users；

（3）if u.loci.type∈u.PR.senstype,d(CRi)≤u.PR.θ；

（4）?u∈CRi.users,u發(fā)布CRi作為匿名區(qū)域。

則稱CRi滿足(K,θ)-隱私模型，其中：條件1確保匿名用戶集至少有K個(gè)用戶，滿足K匿名性質(zhì)；條件2確保每個(gè)時(shí)刻匿名區(qū)域的匿名用戶集都包含相同的用戶，防止連續(xù)查詢追蹤攻擊；條件3確保匿名區(qū)域語義安全程度滿足用戶的語義安全需求，防止語義推斷攻擊；條件4確保每個(gè)CRi.users中的用戶在該時(shí)刻形成的匿名區(qū)域都是相同的，滿足位置K-共享性質(zhì)。

3.2 算法設(shè)計(jì)

本文方案基于(K,θ)-隱私模型，提出一種路網(wǎng)環(huán)境下面向連續(xù)查詢的敏感語義位置隱私保護(hù)算法，主要思想如圖2所示。

圖2 算法流程圖

（1）利用城市路網(wǎng)語義位置和道路交叉口進(jìn)行Voronoi圖劃分。

（2）判斷連續(xù)查詢用戶狀態(tài)。若用戶為新到查詢用戶，則基于時(shí)空相似性為用戶構(gòu)建滿足K匿名的用戶集，并以此作為該用戶連續(xù)查詢的統(tǒng)一匿名用戶集；否則，執(zhí)行步驟（3）。

（3）根據(jù)匿名用戶集各用戶當(dāng)前時(shí)刻所處語義位置的Voronoi單元構(gòu)建具有連通性的匿名區(qū)域。

（4）若匿名用戶集中有用戶處于敏感語義位置，根據(jù)用戶設(shè)定的敏感語義位置類型計(jì)算匿名區(qū)域語義安全程度；否則，返回匿名區(qū)域。

（5）若匿名區(qū)域語義安全程度滿足用戶設(shè)定的語義安全閾值，返回匿名區(qū)域；否則，遍歷所有與匿名區(qū)域相連通的鄰近語義位置。優(yōu)先添加流行度最大的非敏感語義位置，其次隨機(jī)選擇道路交叉口，最后選擇流行度最小的敏感語義位置。

（6）將該語義位置對應(yīng)的Voronoi單元加入匿名區(qū)域，執(zhí)行步驟（5）。

算法1給出了路網(wǎng)環(huán)境下面向連續(xù)查詢的敏感語義位置隱私保護(hù)算法（Sensitive-semantic Location Privacy Protection Algorithm for Continuous Query under Road Network Environment，SLPP）的偽代碼。首先判斷用戶的查詢狀態(tài)（第1行），對于新到查詢用戶，調(diào)用算法2分組構(gòu)建匿名用戶集（第2～11行），根據(jù)初始時(shí)刻匿名用戶集中各用戶所處語義位置及隱私需求調(diào)用算法3構(gòu)建匿名區(qū)域（第12～22行）；對于活動查詢用戶，則根據(jù)當(dāng)前時(shí)刻匿名用戶集各用戶所處語義位置、敏感語義位置類型和語義安全閾值調(diào)用算法3構(gòu)建匿名區(qū)域（第24、25行）。

算法1路網(wǎng)環(huán)境下面向連續(xù)查詢的敏感語義位置隱私保護(hù)算法

輸入：連續(xù)查詢路徑 path、隱私需求PR、帶Voronoi劃分的路網(wǎng)G(V,E,Voronoi(v))、時(shí)空相似性δ

輸出：時(shí)刻ti的匿名區(qū)域CRi(1≤i≤t)

1.If{NewUsers}是新到查詢用戶 then

2. Uset=?；//記錄分組構(gòu)造的匿名用戶集

3. While true do

4. If{NewUsers}≠? then

5. 從{NewUsers}集合中隨機(jī)選擇u；

6. Uset=Uset?使用算法2為u生成的匿名用戶集users；

7. {NewUsers}={NewUsers}-users；

8. Else

9. Break；

10. End if

11.End while

12.Forusers∈Usetdo

13. 根據(jù)匿名用戶集users，找到users中用戶所處語義位置集合vset1；

14. Voronois1=GetVoronoi(vset1)；//獲取各語義位置所在Voronoi單元

15. IfVoronois1是非連通的 then

16. 添加必要連通Voronoi單元，更新Voronois1；

17. End if

18. If ?u∈users,u.loc1.type∈u.PR.senstypethen

19. 使用算法3生成匿名區(qū)域；

20. End if

21.End for

22.Return{CR1}；

23.Else//活動查詢用戶

24.使用算法3生成語義安全匿名區(qū)域；

25.Return{CRi}；

26.End if

在構(gòu)建匿名用戶集時(shí)，本文方案使用時(shí)空相似性選擇匿名用戶。主要思想是從用戶所在路段出發(fā)，計(jì)算連續(xù)查詢用戶與其他用戶的時(shí)空相似性，將滿足要求的移動用戶加入匿名用戶集，直至滿足該集合所有用戶的K匿名需求。算法2給出了偽代碼，首先初始化系統(tǒng)變量（第1～4行），從用戶當(dāng)前所在路段出發(fā)，依次計(jì)算其他用戶與當(dāng)前查詢用戶的時(shí)空相似性，將滿足要求的用戶加入集合USERset（第9～12行），若能找到K個(gè)用戶，則從第5～25行的循環(huán)中跳出，否則從連續(xù)查詢用戶所在路段進(jìn)行寬度優(yōu)先搜索，執(zhí)行第5～25行。最后判斷USERset中的匿名用戶數(shù)量是否大于等于K（第26行），若滿足，則返回匿名用戶集（第27行）。

算法2匿名用戶集構(gòu)建算法

輸入：連續(xù)查詢用戶u、帶Voronoi劃分的路網(wǎng)G(V,E,Voronoi(v))、時(shí)空相似性δ

輸出：匿名用戶集合

1. USERset=?；

2. Edgeset=?；//記錄已經(jīng)遍歷的路段

3. Nearedgeset={u.e}；//相鄰路段集合

4. count=0；//記錄查找相鄰路段的次數(shù)

5.While true do

6. Foregde∈Nearedgesetdo//遍歷所有相鄰路段

7. Edgeset.add(edge)；

8. Foruser∈edgedo//遍歷每條相鄰路段上的用戶

9. If(u,user)的時(shí)空相似性≥δ then

10. USERset.add(user)；

12. End if

13. End for

14. If |USERset|≥u.PR.K then

15. Break；

16. End if

17. End for

18. If |USERset|≥u.PR.K||count>(1-δ)×10then

19. Break；

20. Else

21. Nearedgeset=?；

22. Nearedgeset=Edgeset所有相鄰路段；

23. count++；

24. End if

25.End while

26.If |USERset|≥u.PR.K then

27. ReturnUSERset；

28.Else

29. Break；

30.End if

在構(gòu)建語義安全匿名區(qū)域時(shí)，本文方案根據(jù)匿名用戶集各用戶定義的敏感語義位置類型和語義安全閾值構(gòu)建匿名區(qū)域。主要思想是針對處于敏感語義位置的用戶，通過添加非敏感的相鄰語義位置，降低敏感語義位置流行度比重，直至滿足用戶的語義安全需求。算法3給出了偽代碼，首先初始化系統(tǒng)變量（第1～2行），找到連續(xù)查詢用戶在初始時(shí)刻構(gòu)建的匿名用戶集Users、當(dāng)前時(shí)刻各用戶所處語義位置集合vseti以及各語義位置所在Voronoi單元集合Voronoisi（第3～5行），將當(dāng)前時(shí)刻處于敏感語義位置的用戶加入集合TUset，并將對應(yīng)的敏感位置類型加入集合SLset（第6～11行），通過添加必要連通Voronoi單元使得Voronoisi集合內(nèi)Voronoi單元具有連通性（第12～15行）。若當(dāng)前時(shí)刻TUset為空集，直接返回匿名區(qū)域；否則計(jì)算匿名區(qū)域語義安全程度是否滿足TUset中每一個(gè)用戶的語義安全閾值，滿足則返回匿名區(qū)域，否則根據(jù)SLset添加鄰近Voronoi單元，直至滿足TUset中每一個(gè)用戶的語義安全閾值，返回匿名區(qū)域（第15～35行）。

算法3語義安全匿名區(qū)域構(gòu)建算法

輸入：連續(xù)查詢用戶u，帶Voronoi劃分的路網(wǎng)G(V,E,Voronoi(v))

輸出：θ-語義安全匿名區(qū)域

1. SLset=?；//敏感語義位置類型集合

2. TUset=?；//位于敏感語義位置的用戶集合

3. Users=用戶u的匿名用戶集；

4. 找到Users中用戶當(dāng)前時(shí)刻所處語義位置集合vseti；

5. Voronoisi=GetVoronoi(vseti)；//獲取 vseti中各語義位置所在Voronoi單元

6.Foruser∈Usersdo

7. Ifuser.loci.type∈user.PR.senstypethen

8. TUset=TUset?user；

9. SLset=SLset?user.PR.senstype；

10. End if

11.End for

12.IfVoronoisi是非連通的 then

13. 添加必要連通Voronoi單元，更新Voronoisi；

14.End if

15.IfTUset=? then

16.ReturnCRi；

17.Else

18.While true do

19. If ?u∈TUset,d(CRi)≤u.PR.θthen

20. Break；

21. Else//查找與匿名區(qū)域具有連通路段的所有語義位置

22.NSset=GetNSLinks(CRi,SLset)；//記錄非敏感語義位置結(jié)點(diǎn)

23.INset=GetINLinks(CRi,SLset)；//記錄道路交叉口結(jié)點(diǎn)

24.SNset=GetSNLinks(CRi,SLset)；//記錄敏感語義位置結(jié)點(diǎn)

25. IfNSset≠? then

26.vlink=SelectMaxpop(NSset)；//選擇流行度最大的語義位置

27. Else ifINset≠? then

28.vlink=RandomSelect(INset)；//隨機(jī)選擇一個(gè)道路交叉口

29. Else ifSNset≠? then

30.vlink=SelectMinpop(SNset)；//選擇流行度最小的語義位置

31. End if

32.Voronoisi=Voronoisi?Voronoi(vlink)；

33. End if

34.End while

35.ReturnCRi；

36.End if

4 實(shí)驗(yàn)及結(jié)果分析

4.1 實(shí)驗(yàn)設(shè)置

本文對比了SCPA算法[10]和TB算法[18]，因?yàn)镾CPA算法、TB算法和本文算法都是通過構(gòu)建具有K個(gè)共同用戶的匿名用戶集抵御連續(xù)查詢追蹤攻擊，但沒有考慮語義安全性。其中，SCPA算法基于K匿名和L多樣性（L默認(rèn)設(shè)置為3），TB算法基于K匿名和四叉樹。

所有的匿名算法均用Java實(shí)現(xiàn)，并運(yùn)行在一臺配置為2.83 GHz Intel CoreTM2，2 GB內(nèi)存的Windows7計(jì)算機(jī)上。本實(shí)驗(yàn)使用Thomas Brinkhoff移動對象生成器[19]生成模擬移動對象，生成器的輸入是德國Oldenburg地圖，包含6 105個(gè)結(jié)點(diǎn)和7 035條邊。實(shí)驗(yàn)?zāi)M生成10 000個(gè)移動用戶，設(shè)每個(gè)對象均提出連續(xù)查詢，默認(rèn)包括20個(gè)快照位置。同時(shí)實(shí)驗(yàn)還設(shè)置了1000個(gè)均勻分布的語義位置（均分布在路段結(jié)點(diǎn)），共6種類型（見表1）。

表1 實(shí)驗(yàn)參數(shù)設(shè)置

實(shí)驗(yàn)采用控制變量法，在保證其他參數(shù)不變的情況下，通過改變匿名用戶數(shù)、語義安全閾值和語義位置數(shù)量進(jìn)行驗(yàn)證。為了計(jì)算簡單，假設(shè)類型相同的語義位置具有相同的流行度，取值為{學(xué)校：0.2，醫(yī)院：0.15，辦公：0.25，娛樂：0.15，商場：0.15，公園：0.1，路口：0}，敏感語義位置類型設(shè)置為{醫(yī)院、娛樂}，時(shí)空相似性δ取值為0.7，其中，δ值與文獻(xiàn)[10]取值相同。表1列出了實(shí)驗(yàn)參數(shù)具體信息。

4.2 實(shí)驗(yàn)結(jié)果分析

（1）隱私保護(hù)度。它是指滿足語義安全閾值的匿名區(qū)域數(shù)量同總產(chǎn)生的匿名區(qū)域數(shù)量之比，比值越大，隱私保護(hù)度越好。圖3比較了θ值以及K值的變化對隱私保護(hù)度的影響。從圖3可以看出，由于SLPP算法始終考慮語義安全性，而SCPA算法和TB算法不考慮，所以SLPP算法的隱私保護(hù)度始終高于SCPA算法和TB算法，且?guī)缀醪皇躃值變化影響。因此，SLPP算法所提供的隱私保護(hù)度更高。

圖3 隱私保護(hù)度比較

（2）系統(tǒng)開銷。它使用平均匿名區(qū)域面積來度量，匿名區(qū)域面積越大，查詢和處理開銷越大，對應(yīng)系統(tǒng)開銷越大。圖4比較了θ值以及K值的變化對平均匿名區(qū)域面積的影響。如圖4（a）所示，由于SCPA算法和TB算法不考慮語義安全性，所以匿名區(qū)域面積不受θ值影響。隨著θ值增加，SLPP算法生成的匿名區(qū)域面積呈下降趨勢。這是因?yàn)棣戎翟酱?，?gòu)建語義安全匿名區(qū)域需要添加的相鄰語義位置越少，使得匿名區(qū)域面積相應(yīng)減小。如圖4（b）所示，隨著K值增加，三種算法的平均匿名區(qū)域面積呈上升趨勢。其中，在K值小于等于5時(shí)，SLPP算法的平均匿名區(qū)域面積高于TB算法，大于5時(shí)要低于TB算法，這是因?yàn)镵值越大，TB算法需要不斷將匿名區(qū)域擴(kuò)展為所在四叉樹結(jié)點(diǎn)的父結(jié)點(diǎn)，直至每個(gè)時(shí)刻的匿名區(qū)域都包含K個(gè)公共用戶，導(dǎo)致匿名區(qū)域不斷變大。但SLPP算法的匿名區(qū)域面積始終小于SCPA算法，因此SLPP算法的系統(tǒng)開銷較低。

（3）平均執(zhí)行時(shí)間。平均執(zhí)行時(shí)間是指算法成功匿名所用的時(shí)間，平均執(zhí)行時(shí)間越少，算法執(zhí)行效率越好。圖5比較了θ值以及K值的變化對平均執(zhí)行時(shí)間的影響。如圖5（a）所示，由于SCPA算法和TB算法不考慮語義安全性，所以平均執(zhí)行時(shí)間不受θ值影響。隨著θ值增加，SLPP算法執(zhí)行時(shí)間呈下降趨勢。這是因?yàn)棣戎翟酱?，語義安全要求越寬松，添加相鄰語義位置的次數(shù)逐漸減少，算法執(zhí)行時(shí)間相應(yīng)減少。如圖5（b）所示，隨著K值增加，三種算法的平均執(zhí)行時(shí)間呈上升趨勢，但SLPP算法的平均執(zhí)行時(shí)間一直低于TB算法，略高于SCPA算法。這是因?yàn)镾CPA算法只考慮匿名區(qū)域的路段多樣性，并沒有考慮語義安全性，因此執(zhí)行時(shí)間略低于SLPP算法；TB算法通過不斷擴(kuò)展匿名區(qū)域，確保每個(gè)時(shí)刻生成的匿名區(qū)域包含K個(gè)公共用戶，花費(fèi)時(shí)間較多；SLPP算法始終考慮語義安全性，通過不斷添加相鄰語義位置構(gòu)建語義安全匿名區(qū)域。然而，SLPP算法僅比SCPA算法大約多花費(fèi)了1%的執(zhí)行時(shí)間。

（4）可擴(kuò)展性。可擴(kuò)展性是評價(jià)算法可執(zhí)行性的一個(gè)重要指標(biāo)。圖6給出了總語義位置數(shù)量從1 000增加到1 800時(shí)，系統(tǒng)開銷和平均執(zhí)行時(shí)間的變化情況。其中：K值為5，θ值為0.5，敏感語義位置類型為{醫(yī)院、娛樂}。由于SCPA算法和TB算法不考慮語義安全性，所以語義位置數(shù)量的變動與它們無關(guān)。從圖6可以看出，隨著語義位置數(shù)量的增加，SLPP算法在系統(tǒng)開銷和平均執(zhí)行時(shí)間方面均呈下降趨勢。這是因?yàn)殡S著語義位置數(shù)量增加，非敏感語義位置數(shù)量逐漸增多，構(gòu)建語義安全匿名區(qū)域時(shí)需要添加的相鄰語義位置數(shù)量減少，縮減匿名區(qū)域面積，減少算法執(zhí)行時(shí)間。由此可見，SLPP算法的可擴(kuò)展性更好。

5 結(jié)束語

圖4 系統(tǒng)開銷比較

圖5 平均執(zhí)行時(shí)間比較

圖6 可擴(kuò)展性比較

本文針對連續(xù)查詢位置服務(wù)中存在的連續(xù)查詢追蹤攻擊和語義推斷攻擊，通過設(shè)計(jì)(K,θ)-隱私模型，提出一種路網(wǎng)環(huán)境下面向連續(xù)查詢的敏感語義位置隱私保護(hù)方案。該方案利用時(shí)空相似性為連續(xù)查詢用戶構(gòu)建統(tǒng)一匿名用戶集，并依據(jù)該匿名用戶集用戶的語義安全需求構(gòu)建匿名區(qū)域。最后，采用模擬數(shù)據(jù)進(jìn)行大量實(shí)驗(yàn)，驗(yàn)證了本文所提方案的有效性。

然而，本文方案僅利用語義位置的空間分布來構(gòu)建匿名區(qū)域，未考慮時(shí)間維度。因此，下一階段的研究可以結(jié)合語義位置的空間分布和時(shí)間維度構(gòu)建匿名區(qū)域，進(jìn)一步增強(qiáng)隱私保護(hù)程度。