本發(fā)明屬于數(shù)據(jù)發(fā)布技術(shù)領(lǐng)域，具體涉及一種利用差分隱私保護(hù)wififingerprint室內(nèi)定位系統(tǒng)隱私的方法。

背景技術(shù)：

基于wififingerprint的室內(nèi)定位被公認(rèn)為是室內(nèi)定位領(lǐng)域最具前景的技術(shù)之一，通過比較實時采集的指紋(wifi信號強(qiáng)度)與數(shù)據(jù)庫中已存的指紋來估算出用戶端的位置，這種方法的優(yōu)勢很明顯，可以實現(xiàn)低成本和高可靠性。但潛在的隱私問題也不容忽視，定位過程中可能會泄露用戶端的位置信息以及服務(wù)器數(shù)據(jù)庫的數(shù)據(jù)隱私。

傳統(tǒng)的隱私保護(hù)方法有同態(tài)加密技術(shù)和匿名處理。同態(tài)加密如paillier加密，缺點是計算開銷比較大；匿名處理包括泛化、壓縮、數(shù)據(jù)交換技術(shù)等很難實現(xiàn)數(shù)據(jù)隱私與實用性的平衡。如公開號為cn105530609a、名稱為“基于wi-fi指紋的高效隱私保護(hù)的室內(nèi)定位方法”的解決方案是首先收集室內(nèi)每個位置的指紋并生成索引集合；然后將索引集合通過無線網(wǎng)絡(luò)傳給用戶端，以待用戶完成對自己位置信息的查找，所述的指紋是指每個位置對應(yīng)每個wi-fi接入點的rss信號；所述的索引集合包括：若干個哈希表、每個哈希表的對應(yīng)函數(shù)組的參數(shù)以及用指紋序號標(biāo)記的每個指紋的位置坐標(biāo)。本發(fā)明采用位置敏感哈希函數(shù)對位置隱私的加密方法，以達(dá)到高效性和隱私保護(hù)的性質(zhì)。通過對定位的重新設(shè)計，來達(dá)到減少計算時間空間，提高定位精度，以及保護(hù)用戶和服務(wù)器位置信息隱私的目的。但該發(fā)明的其不足之處在于攻擊者可以通過暴力(brute-force)方式獲取數(shù)據(jù)庫的近似信息，即攻擊者偽造盡量多合法范圍內(nèi)的wifi指紋，使用該方案得到所有wifi指紋的定位結(jié)果，當(dāng)與索引集合中參考點位置相同時，這些定位結(jié)果和對應(yīng)的偽wifi指紋組成的數(shù)據(jù)庫和原數(shù)據(jù)庫就非常相似了。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于提供了一種利用差分隱私保護(hù)wififingerprint室內(nèi)定位系統(tǒng)隱私的方法，該方法在wififingerprint室內(nèi)定位系統(tǒng)的基礎(chǔ)上利用k-means法、laplace機(jī)制和指數(shù)機(jī)制實現(xiàn)差分隱私保護(hù)，該方法通過將服務(wù)器數(shù)據(jù)庫中提取出的wifi指紋記錄的位置使用k-means和laplace機(jī)制進(jìn)行迭代聚類形成k個簇，從而降低位置的稀疏性，避免后續(xù)引入大量噪聲；在聚類過程中對所有位置到所屬中心的總距離之和添加laplace噪聲，而不是針對每個位置加噪，是因為簇相對于位置來說沒有那么稀疏，因此添加的總噪聲會顯著降低；最后根據(jù)指數(shù)機(jī)制選出新位置坐標(biāo)進(jìn)行替換，從而使整個數(shù)據(jù)集得到消毒更新，將更新后的數(shù)據(jù)集發(fā)布給待定位用戶端，在用戶端估算出用戶的位置。相對于其他隱私保護(hù)方法，該方法不僅保護(hù)了用戶的位置信息，還獲得了數(shù)據(jù)庫數(shù)據(jù)的可用性和隱私的權(quán)衡。

為實現(xiàn)上述目的，本發(fā)明提出的技術(shù)方案是一種利用差分隱私保護(hù)wififingerprint室內(nèi)定位系統(tǒng)隱私的方法，具體包括如下步驟：

步驟1：用戶端采集用戶實時的wifi信號，并將ap序列發(fā)送給服務(wù)器，提出定位請求；

步驟2：服務(wù)器從指紋數(shù)據(jù)庫中挑選出符合條件的指紋記錄，生成一個指紋數(shù)據(jù)集；

步驟3：將這個數(shù)據(jù)集中的所有參考點位置利用差分隱私進(jìn)行迭代聚類，形成k個集群；

步驟4：對于每個參考點位置,基于概率選擇新的位置替換原先的位置,并將更新過后的指紋數(shù)據(jù)集發(fā)回給用戶；

步驟5：用戶端計算實時信號指紋與接收到的指紋數(shù)據(jù)集中參考點指紋間的歐式距離，并使用改進(jìn)的k近鄰方法得到定位結(jié)果。

進(jìn)一步，上述步驟1中所述的實時wifi信號包括接入點的ap名和相應(yīng)的接收信號強(qiáng)度rss，即

上述步驟2所述的指紋數(shù)據(jù)庫包含了m個參考點位置以及每個位置所對應(yīng)的ni,i＝1,2,...,m個ap的rss值，即其中ti表示編號為i的參考點位置；挑選指紋記錄的方法是尋找其ap序列與接收到的ap序列相同的記錄；提取這些指紋記錄形成指紋數(shù)據(jù)集其中|d2|表示數(shù)據(jù)集d2中指紋記錄的數(shù)目。

上述步驟3中的迭代聚類包括以下步驟：

步驟3-1：對于數(shù)據(jù)集中的|d2|個參考點位置，任意選定k個位置作為k個簇c1,c2,...,ck的中心，中心點分別記為其中表示第p次迭代聚類的中心位置；

步驟3-2：將|d2|個參考點位置按就近原則分配到這k個簇中，即對于每個位置ti，使最小，j＝1,2,...,k；

步驟3-3：對所有位置到所屬簇中心的總距離之和添加符合laplace分布的噪聲，計算其中隨機(jī)變量u服從上的均勻分布，敏感度hs＝max||ti-tj||表示所有參考點位置間最大的距離，p是迭代次數(shù)，ε是隱私預(yù)算；

步驟3-4：重新計算每個簇的中心位置第j個簇的新中心計算公式為其中表示位置ti與前中心之間的距離，然后再執(zhí)行步驟3-2，直至簇新舊中心位置間距離此時得到聚類后的k個簇c′1,c′2,...,c′k。

上述步驟4中所述位置替換系通過采用指數(shù)機(jī)制進(jìn)行，對于特定的位置ti，其所屬的簇是c′l，并將簇c′l中所有的位置列入候選集i中，用tj,tj∈i替換ti的概率為選擇概率最高的tj替換ti；所有位置都進(jìn)行替換后生成新的數(shù)據(jù)集將d′2發(fā)回至用戶端。

上述步驟5中的實時信號指紋與數(shù)據(jù)集d′2中編號為i的指紋間的歐幾里得距離表示為其中權(quán)重改進(jìn)的k近鄰算法是指得到歐幾里得距離較小的k個參考點位置后再采用加權(quán)平均法算出定位結(jié)果其中wi是第i個參考點的權(quán)重，ti是第i個參考點的位置坐標(biāo)，t是最后的定位結(jié)果。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

1、本發(fā)明保護(hù)了待定位用戶的位置信息，因為用戶位置的檢索估算在用戶端完成，因此攻擊者無法直接獲取到用戶的位置，并且用戶端只是將ap序列發(fā)布給服務(wù)器，攻擊者也無法獲得用戶端實時采集的wifi指紋，從而可以避免攻擊者通過查詢得到用戶的位置。

2、本發(fā)明保護(hù)了數(shù)據(jù)庫的數(shù)據(jù)信息，對數(shù)據(jù)庫的位置坐標(biāo)進(jìn)行了加噪處理并進(jìn)行了消毒更新，因此每次查詢得到的數(shù)據(jù)集都不會完全相同，攻擊者無法獲取數(shù)據(jù)庫準(zhǔn)確的數(shù)據(jù)信息。

3、本發(fā)明對于基于wififingerprint室內(nèi)定位系統(tǒng)，可以在保護(hù)用戶端與數(shù)據(jù)庫隱私的同時，使查詢數(shù)據(jù)仍具有可用性。

附圖說明

圖1為本發(fā)明系統(tǒng)的結(jié)構(gòu)示意圖。

圖2為本發(fā)明系統(tǒng)的迭代聚類過程示意圖。

具體實施方式

以下結(jié)合說明書附圖對本發(fā)明作進(jìn)一步的詳細(xì)說明。

本發(fā)明的符號及其含義：

圖1為迭代聚類的過程示意圖，通過使用k-means和laplace機(jī)制對服務(wù)器數(shù)據(jù)庫中符合條件的wifi指紋記錄的參考點位置進(jìn)行聚類形成k個簇，從而降低數(shù)據(jù)集的稀疏性，避免后續(xù)引入大量噪聲。

如圖2所示，本發(fā)明提供了一種利用差分隱私保護(hù)wififingerprint室內(nèi)定位系統(tǒng)隱私的方法，用戶端實時收集wifi信號并向服務(wù)器發(fā)起定位請求，服務(wù)器根據(jù)要求從數(shù)據(jù)庫中挑選出符合條件的指紋記錄形成一個指紋數(shù)據(jù)集，使用差分隱私將這些指紋記錄的參考點位置進(jìn)行迭代聚類形成k個簇，然后選擇新的位置代替原先的位置，得到消毒處理過的指紋數(shù)據(jù)集并發(fā)回給用戶，在用戶端估算出用戶的位置。該方法將結(jié)合k-means法、laplace機(jī)制和指數(shù)機(jī)制實現(xiàn)的差分隱私應(yīng)用到了基于wififingerprint室內(nèi)定位領(lǐng)域。

本發(fā)明系統(tǒng)的運作流程具體如下：

步驟1：用戶端采集用戶實時的wifi信號，實時wifi信號包括接入點ap名和相應(yīng)的接收信號強(qiáng)度rss，即

步驟2：服務(wù)器從數(shù)據(jù)庫中挑選出符合條件的指紋記錄生成一個指紋數(shù)據(jù)集，指紋數(shù)據(jù)庫包含了m個參考點位置以及每個位置所對應(yīng)的ni,i＝1,2,...,m個ap的rss值，即其中ti表示編號為i的參考點位置；挑選指紋紀(jì)錄的方法是尋找其ap序列與接收到的ap序列相同的記錄，用戶端的位置與這些參考點位置的相關(guān)性比較大；提取這些指紋記錄形成數(shù)據(jù)集其中|d2|表示數(shù)據(jù)集d2中指紋記錄的數(shù)目。

步驟3：將這個數(shù)據(jù)集中所有位置進(jìn)行迭代聚類，形成k個簇，如圖1所示具體處理步驟包括：

步驟3-1：對于數(shù)據(jù)集中的|d2|個參考點位置，任意選定k個位置作為k個簇c1,c2,...,ck的中心，中心點分別記為其中表示第p次迭代聚類的中心位置；

步驟3-2：將|d2|個參考點位置按就近原則分配到這k個簇中，即對于每個位置ti，使最小，j＝1,2,...,k；

步驟3-3：對所有位置到所屬簇中心的總距離之和添加符合laplace分布的噪聲，計算其中是均值為m，方差為的laplace分布，隨機(jī)變量u服從上的均勻分布，即敏感度hs＝max||ti-tj||表示所有參考點位置間最大的距離，p是迭代次數(shù)，ε是隱私預(yù)算；

步驟3-4：重新計算每個簇的中心位置第j個簇的新中心計算公式為其中表示位置ti與前中心之間的距離，然后再執(zhí)行步驟3-2，直至簇新舊中心位置間距離此時得到聚類后的k個簇c′1,c′2,...,c′k。

步驟4：選擇新的位置替換原先的參考點位置,位置的替換采用指數(shù)機(jī)制，對于特定的位置ti，其所屬的簇是cl'，并將簇cl'中所有的位置列入候選集i中，用tj,tj∈i替換ti的概率為選擇概率最高的tj替換ti；所有位置都進(jìn)行替換后生成新的數(shù)據(jù)集將d′2發(fā)回至用戶端。

步驟5：用戶端估算用戶的位置，實時信號指紋與數(shù)據(jù)集d′2中編號為i的指紋間的歐幾里得距離表示為其中權(quán)重改進(jìn)的k近鄰算法是指得到歐幾里得距離較小的k個參考點位置后再采用加權(quán)平均法算出定位結(jié)果其中wi是第i個參考點的權(quán)重，ti是第i個參考點的位置坐標(biāo)，t是最后的定位結(jié)果。