王智明

(莆田學(xué)院 信息工程學(xué)院，福建 莆田 351100)

隨著移動(dòng)設(shè)備、智能終端、傳感器等相關(guān)信息技術(shù)的快速發(fā)展，數(shù)據(jù)規(guī)模呈現(xiàn)出爆炸式增長(zhǎng)，人類進(jìn)入了大數(shù)據(jù)時(shí)代。那些海量的數(shù)據(jù)成為工業(yè)界和學(xué)術(shù)界研究的香餑餑。政府機(jī)構(gòu)和各類企業(yè)爭(zhēng)先恐后，試圖從這些結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)海洋中挖掘更多隱藏的價(jià)值，進(jìn)而獲取社會(huì)效益或經(jīng)濟(jì)利益?；谖恢玫姆?wù)(LBS)集成了測(cè)繪、衛(wèi)星導(dǎo)航、GIS、無(wú)線通信網(wǎng)絡(luò)等相關(guān)技術(shù)，能為我們提供豐富的有關(guān)個(gè)人位置的各類服務(wù)，LBS 提高了個(gè)人活動(dòng)的效率和方便性、提高了人與人、客戶與商家的互動(dòng)交流，極大地改變了我們的生活方式[1]。據(jù)業(yè)內(nèi)預(yù)測(cè)，全球LBS市場(chǎng)規(guī)模將以40%左右的復(fù)合年增長(zhǎng)率增長(zhǎng)，到2020年市場(chǎng)容量有望達(dá)到348億歐元。

而作為硬幣的另一面，這些海量數(shù)據(jù)中既有巨大的價(jià)值，當(dāng)然也會(huì)包含大量企業(yè)和個(gè)人不愿對(duì)外公布的隱私信息。一旦這些敏感信息泄露，將會(huì)給個(gè)人和企業(yè)帶來(lái)名譽(yù)、經(jīng)濟(jì)上的損失，如何有效保護(hù)隱私信息，將會(huì)是越來(lái)越嚴(yán)峻的考驗(yàn)。用戶個(gè)人隱私泄露的主要途徑有：①用戶的LBS查詢，在發(fā)往服務(wù)器途中被截獲；②黑客攻破服務(wù)器，直接獲知用戶LBS查詢信息；③中間服務(wù)提供商或個(gè)人為獲利將用戶信息出售。通過(guò)非法獲得這些用戶信息，就可能獲取或推斷出用戶興趣愛(ài)好、生活習(xí)慣、宗教信仰、疾病歷史等隱私信息[2]。因此位置隱私保護(hù)問(wèn)題日益引起學(xué)術(shù)界的關(guān)注，也提出了不少關(guān)于位置隱私保護(hù)的解決方案，有些方案?jìng)?cè)重保護(hù)用戶標(biāo)識(shí)符、查詢內(nèi)容[3]，但更多還是基于用戶位置的隱私保護(hù)。

1 相關(guān)算法分析

2002年L.Sweeney提出了k-匿名(k-anonymity)模型[4]，要求匿名區(qū)域用戶數(shù)量不少于k個(gè)，這樣攻擊者就不能從k個(gè)用戶中找出真正用戶。Gruteser等人[5]將k-匿名技術(shù)應(yīng)用于LBS的隱私保護(hù)，對(duì)真實(shí)的用戶位置概化處理，以達(dá)到模糊用戶空間位置的目的。k-匿名被研究者們廣泛接受使用，但是該模型沒(méi)有對(duì)等價(jià)類中的敏感屬性值數(shù)量加以限制，容易被攻擊。為解決此問(wèn)題，2006年，Machanavajjhala[6]改進(jìn)了k-匿名模式提出了L-diversity，即L多樣化，規(guī)定用戶發(fā)布的每個(gè)信息屬性等價(jià)類，必須包含不少于L個(gè)對(duì)應(yīng)的敏感屬性值。Ferrer等[7]于2008年提出了p-sensitive，在k-匿名技術(shù)的基礎(chǔ)上,規(guī)定每個(gè)等價(jià)類中要有不少于p個(gè)敏感屬性值。2016年，LI 等[8]提出了在連續(xù)LSB請(qǐng)求情形下的需求感知位置保護(hù)方案，通過(guò)刪除最遠(yuǎn)足跡的方式來(lái)減小匿名區(qū)域的范圍，提高了LBS查詢服務(wù)質(zhì)量。在確保第三方可信的前提下，SCHLEGEL等[9]提出了基于密文匹配的隱私保護(hù)方案，較好抵御查詢跟蹤攻擊。Palanisamy等[10]則利用Mixzone概念，要求用戶離開(kāi)Mixzone時(shí)必須使用假名，這樣避免攻擊者通過(guò)分析區(qū)域關(guān)聯(lián)性來(lái)獲取真實(shí)用戶信息。

在基于匿名區(qū)域的位置隱私保護(hù)的算法中，用戶可以通過(guò)改變參數(shù)k的值來(lái)滿足用戶對(duì)隱私度高低的要求，但在進(jìn)行匿名區(qū)域大小調(diào)整過(guò)程中，攻擊者可能通過(guò)匿名區(qū)域切換前后的信息，推測(cè)出用戶真實(shí)位置，進(jìn)而導(dǎo)致隱私度切換失敗。為解決上述問(wèn)題，本文提出兩個(gè)優(yōu)化算法：①匿名區(qū)域隨機(jī)偏移切換算法：對(duì)所產(chǎn)生的匿名區(qū)域進(jìn)行偏移，具體偏移幅度由當(dāng)時(shí)周圍用戶點(diǎn)的分布情況決定，具有隨機(jī)性，能較好抵御中心點(diǎn)攻擊；②匿名區(qū)域零交集偏移切換算法：匿名區(qū)域隨機(jī)偏移切換算法面對(duì)等比縮放攻擊，若縮放計(jì)算后、切換前的匿名區(qū)域存在交集，則用戶真實(shí)位置可能會(huì)泄露。針對(duì)此情況，對(duì)偏移量作進(jìn)一步限制，確保攻擊者猜測(cè)的切換前匿名區(qū)域與實(shí)際的切換前匿名區(qū)域無(wú)交集，進(jìn)而有效抵抗等比縮放攻擊。

2 普通匿名區(qū)域生成算法的抗攻擊分析

2.1 中心點(diǎn)攻擊

中心點(diǎn)攻擊步驟：有用戶提交查詢請(qǐng)求時(shí)，記錄隱私度k和相應(yīng)的匿名區(qū)域CK1，當(dāng)用戶切換隱私度為k′(k′>k)的匿名區(qū)域CK2時(shí)，分別計(jì)算隱私度切換前匿名區(qū)域CK1的中心點(diǎn)O1、切換后匿名區(qū)域CK2的中心點(diǎn)O2，判斷切換前后的中心點(diǎn)O1、O2位置是否一致，不一致就放棄攻擊。如果中心點(diǎn)O1、O2位置一致，則認(rèn)為匿名區(qū)域來(lái)自同一個(gè)用戶請(qǐng)求，縮小切換后的匿名區(qū)域CK2到切換前的大小，輸出切換前的匿名區(qū)域CK1，用戶的隱私度切換失敗。

2.2 等比縮放攻擊

等比縮放攻擊步驟：在服務(wù)器上開(kāi)始惡意觀察，對(duì)切換后的匿名區(qū)域，保持中心點(diǎn)不變依據(jù)切換前后隱私度k的比例進(jìn)行等比縮放，將縮放后的匿名區(qū)域作為切換前的匿名區(qū)域?qū)Υ?/p>

2.3 線性偏移攻擊

攻擊者在服務(wù)器上獲取用戶發(fā)來(lái)的匿名區(qū)域，記錄該匿名區(qū)域信息，并計(jì)算匿名區(qū)域的中心點(diǎn)，根據(jù)一段時(shí)間的觀察，可以計(jì)算出匿名區(qū)域中心點(diǎn)切換前后的線性關(guān)系參數(shù)值，破解中心點(diǎn)線性偏移函數(shù)y=ax+c。若切換前后匿名區(qū)域中心點(diǎn)滿足該線性函數(shù)，則可以判定請(qǐng)求來(lái)自同一用戶，用戶向更高隱私度匿名區(qū)域的切換失敗。線性偏移攻擊，在攻擊初期需要對(duì)用戶匿名區(qū)域中心點(diǎn)偏移規(guī)律的線性函數(shù)進(jìn)行推斷，這階段屬于用戶安全期，不會(huì)被攻擊，所以對(duì)于請(qǐng)求總次數(shù)少的用戶，不用擔(dān)心被攻擊。

2.4 普通匿名區(qū)域生成算法的安全性

普通匿名區(qū)域生成算法的核心思想是，按匿名區(qū)域切換前后的隱私度k的比值，等比例擴(kuò)大原匿名區(qū)域大小，切換前后的匿名區(qū)域中心點(diǎn)不變。從上述的攻擊模型描述來(lái)看，普通匿名區(qū)域生成算法對(duì)中心點(diǎn)攻擊和等比縮放攻擊的防范性很差，攻擊者可通過(guò)切換后的匿名區(qū)域，得到切換前的匿名區(qū)域。而如果我們對(duì)切換后的匿名區(qū)域中心點(diǎn)按偏移函數(shù)y=ax+c進(jìn)行線性偏移，攻擊者也很可能通過(guò)一段時(shí)間的觀察，獲得線性偏移函數(shù)的表達(dá)式。因此,普通匿名區(qū)域生成算法對(duì)于中心點(diǎn)攻擊、線性偏移攻擊、等比縮放攻擊，防御性都很弱[11]。

3 普通匿名區(qū)域生成算法的改進(jìn)

普通匿名區(qū)域生成算法簡(jiǎn)單，運(yùn)行效率高，但是因?yàn)槠洳荒芎芎玫钟?，在有一定隱私安全要求的場(chǎng)景不適于使用，本文根據(jù)常見(jiàn)的三種攻擊，對(duì)普通匿名區(qū)域生成算法進(jìn)行改進(jìn)，提出兩種更具有抗攻擊的改進(jìn)算法：匿名區(qū)域偏移切換算法、匿名區(qū)域零交集偏移切換算法。

3.1 匿名區(qū)域偏移切換算法

匿名區(qū)域偏移切換算法是對(duì)普通匿名區(qū)域生成算法進(jìn)行改進(jìn)，普通匿名區(qū)域生成算法對(duì)攻擊防御能力較差，特別是從低隱私度切換到高隱私度時(shí)，位置隱私很容易被攻擊者獲取。匿名區(qū)域偏移切換算法對(duì)普通匿名區(qū)域生成算法改進(jìn)，對(duì)生成的匿名區(qū)域進(jìn)行動(dòng)態(tài)偏移，以提高抵御攻擊的能力。該算法的思路是對(duì)切換后的匿名區(qū)域根據(jù)用戶分布情況進(jìn)行一定的偏移。匿名區(qū)域偏移切換算法以切換前隱私區(qū)域的中心點(diǎn)(矩形區(qū)域?qū)蔷€的交點(diǎn))為圓心，以用戶提供的參數(shù)r為半徑畫圓，形成一個(gè)包含原匿名區(qū)域的更大的圓形匿名區(qū)域，由匿名區(qū)域圓中的用戶點(diǎn)，重新構(gòu)建新的矩形匿名區(qū)域。

匿名區(qū)域偏移切換算法的詳細(xì)步驟：

(1)接收用戶參數(shù)半徑r，步長(zhǎng)擴(kuò)展a，初始化切換前匿名區(qū)域用戶集合U1。

(2)對(duì)切換前矩形匿名區(qū)域CK1確定中心點(diǎn)，并以中心點(diǎn)為圓心，半徑r畫圓。

(3)添加位于圓內(nèi)且匿名區(qū)域外的用戶，擴(kuò)充U1建立新用戶集U2。

(4)將U2中的所有用戶點(diǎn)映射到x、y坐標(biāo)軸，獲取映射于坐標(biāo)軸上的極值xmin、xmax、ymin、ymax。

(5)將U2中的所有用戶點(diǎn)映射到x、y坐標(biāo)軸，以(xmin，ymin)、(xmin，ymax)、(xmax，ymax)、(xmax，ymin)為四個(gè)頂點(diǎn)，構(gòu)建切換后的矩形匿名區(qū)域CK2。

(6)若CK2中用戶數(shù)N大于或等于切換后隱私度k，且CK2的面積S(CK2)小于或等于用戶可接受的最大隱私區(qū)域大小(Smax)，則算法結(jié)束，跳到(10)。

(7)若用戶數(shù)N小于切換后隱私度k，且S(CK2)

(8)若N>=k，S(CK2)>Smax，則等比縮小匿名區(qū)域CK2至Smax，即S(CK2)=Smax，重新計(jì)算用戶數(shù)并返回(6) 步驟。

(9)若用戶數(shù)N

(10)返回匿名區(qū)域CK2，算法結(jié)束。

匿名區(qū)域偏移切換算法算法簡(jiǎn)單，開(kāi)銷小，容易實(shí)現(xiàn)且響應(yīng)時(shí)間快，算法最終生成的匿名區(qū)域CK2，與原匿名區(qū)域周圍的用戶點(diǎn)分布有關(guān)，因此匿名區(qū)域偏移量是個(gè)隨機(jī)數(shù)，無(wú)規(guī)律可循，攻擊者無(wú)法通過(guò)獲取的數(shù)據(jù)，推算出矩形中心點(diǎn)線性位移函數(shù)，所以匿名區(qū)域偏移切換算法能較好應(yīng)對(duì)中心點(diǎn)攻擊、線性偏移攻擊。匿名區(qū)域偏移切換算法得出與普通匿名區(qū)域法生成的匿名區(qū)域相比，位置偏移不大，在保證服務(wù)質(zhì)量的同時(shí)，隱私度有較大的提升[12]。

3.2 匿名區(qū)域零交集偏移切換算法

匿名區(qū)域零交集偏移切換算法的核心思想是對(duì)匿名區(qū)域偏移切換算法進(jìn)行改進(jìn)，對(duì)匿名區(qū)域的偏移量進(jìn)行限制，使切換前、后的匿名區(qū)域無(wú)交集部分，有效防止等比縮放攻擊。

匿名區(qū)域零交集偏移切換算法具體過(guò)程如下：

(1)對(duì)原匿名區(qū)域CK1四條邊按東西南北順時(shí)針?lè)较蚓幪?hào)[1～4]，根據(jù)隨機(jī)函數(shù)產(chǎn)生的值[1～4]，決定構(gòu)造匿名區(qū)域CK1的邊L；

(2)取邊L的中點(diǎn)O，以O(shè)為圓心，r為半徑畫圓；

(3)獲取以邊長(zhǎng)L(包括延長(zhǎng)線)為中線，位于匿名區(qū)域另一側(cè)的半圓區(qū)域S′；

(4)建立空用戶集U，將半圓區(qū)域S′內(nèi)用戶逐一添加到用戶集U；

(5)將用戶集U內(nèi)所有的用戶點(diǎn)，映射于坐標(biāo)軸，得到用戶點(diǎn)x坐標(biāo)的極值xmin、xmax，y坐標(biāo)的極值ymin、ymax；

(6)以(xmin，ymin)、(xmin，ymax)、(xmax，ymax)、(xmax，ymin)為四個(gè)頂點(diǎn)，建立切換后的匿名區(qū)域CK2；

(7)若CK2中用戶數(shù)N大于或等于切換后隱私度k，且CK2的面積S(CK2)小于或等于用戶可接受的最大隱私區(qū)域大小(Smax)，跳到(11)步驟；

(8)若用戶數(shù)N小于切換后隱私度k，且S(CK2)

(9)若N>=k，S(CK2)>Smax，則等比縮小匿名區(qū)域CK2至Smax，即S(CK2)=Smax，重新計(jì)算用戶數(shù)，返回(7) 步驟；

(10)若用戶數(shù)N

(11)返回匿名區(qū)域CK2，算法結(jié)束。

匿名區(qū)域零交集偏移切換算法最后生成的切換后的匿名區(qū)域CK2產(chǎn)生方位具有隨機(jī)性，所以能較好應(yīng)對(duì)中心點(diǎn)攻擊、線性偏移攻擊，而匿名區(qū)域CK2與切換前的匿名區(qū)域CK1相鄰且無(wú)交集，使得本算法相對(duì)匿名區(qū)域偏移切換算法，在抵御等比縮放攻擊時(shí)具有明顯優(yōu)勢(shì)。

4 實(shí)驗(yàn)和結(jié)果分析

實(shí)驗(yàn)環(huán)境: 處理器Intel(R) Core(TM )i3-4170 CPU @3.70GHz，內(nèi)存8GB，Ubuntu 14.10，Python 2.7.12。

4.1 匿名區(qū)域切換耗時(shí)比較

當(dāng)用戶想要提高匿名區(qū)域隱私度K時(shí)，匿名區(qū)域相應(yīng)就需要進(jìn)行切換，匿名區(qū)域切換的耗時(shí)是衡量算法優(yōu)劣的一個(gè)重要指標(biāo)，體現(xiàn)了算法的效率，也直接影響到用戶的體驗(yàn)，本實(shí)驗(yàn)耗時(shí)是指從接收到切換前后隱私度k參數(shù)開(kāi)始，一直到切換后的匿名區(qū)域生成，整個(gè)過(guò)程消耗的時(shí)間，單位為微秒(μs)，即10-6秒。實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同算法的匿名區(qū)域切換耗時(shí)比較Tab.1 Time comparison of anonymous regions switching for different algorithms

表1前兩列表示匿名區(qū)域切換前后所對(duì)應(yīng)的匿名隱私度k的值，從表1的數(shù)據(jù)中我們可以看到，普通匿名區(qū)域生成算法耗費(fèi)時(shí)間明顯小于匿名區(qū)域偏移切換算法和匿名區(qū)域零交集偏移切換算法，在匿名區(qū)域切換前隱私度k較小(k=1)的情況下，隨著切換后隱私度k值的增加，所需的耗時(shí)有所增加，但并沒(méi)有與k值成正比例地顯著增加。同樣當(dāng)匿名區(qū)域切換前隱私度k較大(k=1000)的情況，只要切換前后k值變化不大，所需的耗時(shí)也是很小。

隨著k值的增加，匿名區(qū)域偏移切換算法和匿名區(qū)域零交集偏移切換算法的耗時(shí)逐步緩慢增加，耗時(shí)在用戶可接受的范圍，能給用戶提供較為滿意的服務(wù)。從表1可以看出，三種算法耗時(shí)具體的數(shù)值變化主要取決于切換前后k值的變化量有關(guān)，而與匿名區(qū)域隱私度k的具體數(shù)值大小無(wú)關(guān)。

綜上情況，在體現(xiàn)算法效率的耗時(shí)方面，普通匿名區(qū)域生成算法最優(yōu)，然后依次是匿名區(qū)域偏移切換算法、匿名區(qū)域零交集偏移切換算法。其中普通匿名區(qū)域生成算法耗時(shí)明顯優(yōu)于其他兩種算法，但三算法的耗時(shí)都在可接受范圍，普通匿名區(qū)域生成算法適用于注重用戶體驗(yàn)性且安全性要求不高的情況。

4.2 匿名區(qū)域切換成功率

匿名區(qū)域切換成功率是指匿名區(qū)域在不同隱私度k值間切換時(shí)，重新構(gòu)建匿名區(qū)域的成功概率。匿名區(qū)域切換成功率能夠體現(xiàn)算法切換的質(zhì)量和抗攻擊性的能力。

表2為中心點(diǎn)攻擊下匿名區(qū)域切換成功率比較表，表3為等比縮放攻擊下區(qū)域切換成功率比較，從兩表可以看出，普通匿名區(qū)域生成算法的切換成功率最差，在兩種攻擊情況下，切換的成功率都接近零。這是因?yàn)槠胀涿麉^(qū)域生成算法切換前后的匿名區(qū)域中心點(diǎn)是重合的，在中心點(diǎn)攻擊和等比縮放攻擊時(shí)，很容易被非法攻擊者獲得匿名區(qū)域信息，抗攻擊性弱，不具有防御性。

匿名區(qū)域偏移切換算法在中心點(diǎn)攻擊時(shí)，具有很高的切換成功率，都在95%以上，大部分?jǐn)?shù)據(jù)接近100%，這是因?yàn)樵撍惴▽?duì)匿名區(qū)域的中心點(diǎn)進(jìn)行了偏移，能有效地躲過(guò)了中心點(diǎn)的攻擊，因?yàn)樗惴ǖ钠屏烤哂须S機(jī)性，很小概率的情況下，區(qū)域的切換前后中心點(diǎn)會(huì)重合。而在等比縮放攻擊時(shí)，匿名區(qū)域偏移切換算法隨著切換后匿名度k值增加，切換成功率也相應(yīng)提高，但隨著匿名度k值變大，切換前后k之間的差值較大，切換成功率開(kāi)始下降。這是由于在用戶均勻分布情況下，k差值達(dá)到一定閾值后，用戶整體分布均勻，偏移量也相應(yīng)變小。同樣地，當(dāng)匿名度k值比較大，且切換前后匿名度k差值很小時(shí)，偏移量其實(shí)很小，切換成功率也很不理想，接近于0%。等比縮放攻擊是對(duì)切換后的隱私區(qū)域進(jìn)行等比縮小，猜測(cè)切換前隱私區(qū)域的大小，匿名區(qū)域偏移切換算法雖然對(duì)于普通匿名區(qū)域生成算法進(jìn)行改進(jìn)，對(duì)中心點(diǎn)進(jìn)行了偏移，但切換前后的隱私區(qū)域依然存在較多的重合部分，故容易被攻擊，導(dǎo)致匿名區(qū)域的切換失敗。

表2 中心點(diǎn)攻擊下匿名區(qū)域切換成功率比較Tab.2 Comparison of success rate of anonymous areas conversion under center attack

表3 等比縮放攻擊下區(qū)域切換成功率比較Tab.3 Comparison of the success rate of area conversion under equal scaling attacks

相比匿名區(qū)域偏移切換算法，匿名區(qū)域零交集偏移切換算法在中心點(diǎn)攻擊和等比縮放攻擊都有很好的表現(xiàn)，從兩表的測(cè)試數(shù)據(jù)來(lái)看，切換成功率都達(dá)到了100%。這是由于匿名區(qū)域零交集偏移切換算法相比匿名區(qū)域偏移切換算法，加大了切換后匿名區(qū)域的偏移量，切換前后的隱私區(qū)域無(wú)交集，切換前后的匿名區(qū)域中心點(diǎn)更不可能重合，所以抗攻擊性表現(xiàn)最好，匿名區(qū)域的切換成功率也最好。

4.3 用戶體驗(yàn)滿意度

用戶體驗(yàn)滿意度指用戶對(duì)經(jīng)過(guò)匿名區(qū)域切換后獲取的最終服務(wù)結(jié)果的滿意程度，也是衡量隱私匿名區(qū)域算法的一項(xiàng)重要參考指標(biāo)。令匿名區(qū)域切換后所得到的服務(wù)器返回的服務(wù)點(diǎn)P1，實(shí)際最佳服務(wù)點(diǎn)P2，用戶所在位置為U，則用戶體驗(yàn)滿意度MU可以通過(guò)用戶與P1、P2兩點(diǎn)的距離比值來(lái)體現(xiàn)，記作：MU=(|P1U|/|P2U|)×100%，用戶體驗(yàn)滿意度MU越接近1表示服務(wù)質(zhì)量越高，相應(yīng)用戶體驗(yàn)滿意度最佳。趨近于0時(shí)，代表用戶滿意度最差。

表4 各算法的用戶體驗(yàn)滿意度比較Tab.4 Comparison of user experience satisfaction of different algorithms

3種匿名區(qū)域生成算法實(shí)現(xiàn)的用戶體驗(yàn)滿意度如表4所示。普通匿名區(qū)域生成算法僅僅對(duì)切換前匿名區(qū)域按比例擴(kuò)大，算法復(fù)雜度小，獲取服務(wù)結(jié)果實(shí)時(shí)性強(qiáng)，最終用戶獲得的服務(wù)質(zhì)量下降少，用戶滿意度高。匿名區(qū)域偏移切換算法對(duì)切換前匿名區(qū)域進(jìn)行位移，但是位移量比較小，用戶的服務(wù)質(zhì)量受到的影響不大，能達(dá)到用戶的滿意度。匿名區(qū)域零交集偏移切換算法將切換后匿名區(qū)域移到切換前匿名區(qū)域的外部，偏移量的大小取決于切換前匿名區(qū)域的面積大小。切換前匿名區(qū)域面積越大，意味著偏移量將越大，算法運(yùn)行時(shí)間也較長(zhǎng)，用戶獲取服務(wù)結(jié)果的滿意度也就越低。從表4中可以看到，當(dāng)切換前k=1000時(shí)，算法的用戶體驗(yàn)滿意度下降明顯，只有60%左右。

綜上可以看出，普通匿名區(qū)域生成算法和匿名區(qū)域偏移切換算法，能都獲得較好的用戶體驗(yàn)滿意度，匿名區(qū)域零交集偏移切換算法用戶體驗(yàn)滿意度相對(duì)比較低，特別是切換前匿名區(qū)域的隱私度k很大時(shí)，用戶體驗(yàn)比較差。

5 結(jié)語(yǔ)

隨著基于位置的服務(wù)應(yīng)用的不斷發(fā)展，個(gè)人隱私問(wèn)題日益受到人們重視。在對(duì)當(dāng)前位置隱私保護(hù)技術(shù)進(jìn)行較全面了解的基礎(chǔ)上，通過(guò)對(duì)普通匿名區(qū)域生成算法的分析和改進(jìn)，首先提出了匿名區(qū)域偏移切換算法，該算法既保留了原算法開(kāi)銷小的優(yōu)點(diǎn)，同時(shí)增強(qiáng)了抵御中心點(diǎn)攻擊和線性偏移攻擊的能力。接著，為了抵御等比縮放攻擊，在匿名區(qū)域偏移切換算法基礎(chǔ)上，進(jìn)一步提出了匿名區(qū)域零交集偏移切換算法。兩種新算法各有優(yōu)劣，可適用于不同的應(yīng)用場(chǎng)景。