1.一种边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,包括以下步骤:(1)系统初始化:系统中每个实体对位置空间进行预处理;
(2)移动客户端搜索本地缓存:移动客户端设定隐私数值k和扩展系数Exp,基于用户需求生成位置服务查询请求Q,并根据查询请求Q搜索本地缓存,若本地缓存可以满足该请求,则根据缓存获取服务数据,结束查询,若本地缓存无法满足该请求,则移动客户端需生成初始匿名集;
(3)移动客户端生成初始匿名集:移动客户端根据查询请求Q中的查询位置lQ,生成初始匿名集LIni并将该初始匿名集发送到该移动客户端所在的边缘服务器区域;
(4)边缘服务器搜索本地缓存:边缘服务器根据初始匿名集LIni,搜索本地缓存,将LIni中可被缓存响应的查询的服务数据打包成边缘服务器缓存集;
(5)边缘服务器缓存集:若边缘服务器缓存集中包含了LIni中所有位置的查询数据,则可结束查询,否则边缘服务器需生成扩展匿名集;
(6)边缘服务器生成扩展匿名集:边缘服务器统计LIni中未被缓存响应的位置,并对这些位置进行扩展,生成扩展匿名集LExp,并将该扩展匿名集转发到位置服务器;
(7)位置服务器返回扩展查询集:位置服务器将对应扩展匿名集LExp的服务数据打包,返回到相应的边缘服务器;
(8)边缘服务器返回位置服务器查询集:边缘服务器根据位置服务器返回的数据为用户求精,并将求精后数据返回给用户;
其中,上述步骤(3)中,移动客户端生成初始匿名集的具体过程为:
3‑1)用户选定边缘服务器所在区域作为初始匿名区域,将该边缘服务器内所有单元格按照全局查询频率排序,根据隐私系数k选择序列中位于用户真实位置的前k‑1和后k‑1个总计2(k‑1)单元格作为假位置候选集;
3‑2)从2(k‑1)单元格选择k‑1个单元格和查询位置lQ作为初始匿名集候选加入初始匿名集候选集,遍历所有的选择方法并将其加入候选集,根据匿名集选择策略计算所有候选集的位置熵HIni、分散度DIni、平均缓存效益EIni和平均缓存生效时间AIni四个因子,
3‑3)对这四个因子分别进行归一化操作,
3‑4)根据初始化后的四个因子,计算所有匿名集的综合指标:
ΔIni=α(HIni′+DIni′)+β(EIni′+AIni′)其中,(HIni′+DIni′)表示该候选匿名集的隐私度,(EIni′+AIni′)表示该候选匿名集的缓存命中贡献度,α和β为两个权重系数,且有α+β=1,α和β可由用户调整,用来平衡该次查询的隐私度和缓存命中贡献度之间的关系,
3‑5)选择综合指标ΔIni最大的匿名集候选集作为初始匿名集,并将初始匿名集和扩展系数Exp提交到所在区域边缘服务器;
上述步骤(6)中,边缘服务器生成扩展匿名集的具体过程为:
6‑1)根据初始匿名集的隐私指标k和扩展系数Exp计算扩展匿名集隐私指标K=k×Exp,统计初始匿名集中未被边缘服务器缓存满足查询的单元格,计该类单元格个数为CN,并计算初始匿名集中边缘服务器未响应比率pCN=CN/k;
6‑2)将该边缘服务器区域内所有单元格按照全局查询频率排序,根据中CN个单元格在序列中的位置选择不小于2(K‑CN)个单元格作为假位置候选集;
6‑3)从2(K‑CN)单元格选择K—CN个单元格和查询位置lQ作为扩展匿名集候选加入扩展匿名集候选集,遍历所有的选择方法并将其加入候选集,根据匿名集选择策略计算所有候选集的位置熵HExp、分散度DExp、平均缓存效益EExp和平均缓存生效时间AExp四个因子;
6‑4)对这四个因子分别进行归一化操作,
6‑5)根据初始化后的四个因子,计算所有匿名集的综合指标:
ΔExp=α(HExp′+DExp′)+β(EExp′+AExp′)其中,(HExp′+DExp′)表示该候选匿名集的隐私度,(EExp′+AExp′)表示该候选匿名集的缓存命中贡献度,α和β为两个权重系数,一般设置为α=1‑pCN,β=pCN;
6‑6)选择综合指标ΔExp最大的匿名集候选集作为扩展匿名集,并将扩展匿名集转发到位置服务器。
2.根据权利要求1所述的边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,所述步骤(1)中,系统初始化阶段的具体过程为
1‑1)位置服务器将地图空间均等地划分为N个单元格,并以单元格代替该内所有的具体位置,同时根据边缘服务器在位置空间中分布的节点集构造Voronoi图;
1‑2)位置服务器根据单元格所在Voronoi区域为每个单元格分配从属位置服务器,对于跨越多个区域的单元格,将该单元格划分给占有其面积最大的所属边缘服务器区域,边缘服务器仅接受本区域内的所有的位置查询;
1‑3)位置服务器统计位置空间中所有的查询,根据每个单元格的查询次数计算每个单元格的全局查询频率qglo,每个用户统计自身的所有查询计算自身的用户查询频率qper;
1‑4)位置服务器将初始化后的位置空间划分方式和全局查询频率向位置空间中所有实体分发。
3.根据权利要求1所述的边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,所述步骤3‑2)和所述步骤6‑3)中匿名集选择策略由以下内容组成:a)位置熵;
b)分散度;
c)缓存效益;
d)缓存可生效时间;
其中,位置熵和分散度用来提升该次查询的隐私度,缓存效益和缓存可生效时间用来使该次的查询数据更好地以缓存来服务于以后的查询,提升将来查询的缓存响应率。
4.根据权利要求3所述的边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,所述内容a)位置熵的具体计算方法为:对于由用户发送到边缘服务器和边缘服务器发送到位置服务器的匿名集中的k个位置,其中每个位置的全局查询频率为qglo,设每个位置都有被认为是真实位置的条件概率pi(i=1,2,3,...,k),则有 并且显然有 则,从k匿名集中识别真实位置的的熵H为
其中初始匿名集的位置熵记为HIni,扩展匿名集的位置熵记为HExp,位置熵越高所表示的隐私度也越高,当其中k个位置都有相同的查询概率时,达到最大值Hmax=log k。
5.根据权利要求3所述的边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,所述内容b)分散度的具体计算方法为利用位置熵选择假位置的方法会使匿名集中的位置出现一定的聚集性,通过提高候选匿名集中位置的分散性降低该聚集性,令d(lc,li),i=1,2,3,...,k表示k匿名集中第i个位置距离匿名框中心位置的距离,其中lc表示匿名框的中心位置,有所有k个位置距中心位置lc距离的平均值为 从而分散度为
其中对于初始匿名集和扩展匿名集,其分散度计算方式相同,以DIni和DExp分别表示初始匿名集和扩展匿名集的分散度。
6.根据权利要求3所述的边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,所述内容c)缓存效益的具体计算方法为:在将某个查询结果缓存后,在一定时间内,该位置缓存将被查询的可能次数,与该位置过往查询频率q相关,用e表示匿名集中每个位置的查询效益:e=μ·q其中μ为固定系数,表示某个位置的缓存效益和用户过去一段时间查询频率之间的关联系数,对于一个匿名集计算其平均缓存效益E:其中k表示该匿名集的k隐私度;对于用户发送到边缘服务器的初始匿名集的缓存效益EIni,其缓存仅有用户自身使用,需使用用户自身维护的个人查询频率qper计算;而边缘服务器发送到位置服务器的扩展匿名集,其缓存将有所有用户共享,使用全局查询频率qglo计算。
7.根据权利要求3所述的边缘计算环境下基于缓存的双重K‑匿名位置隐私保护方法,其特征在于,所述内容d)缓存可生效时间的具体计算方法为:不同位置的查询结果数据在缓存后,其可用时间越长,其可响应的查询的机会也就越多,记某个的缓存生效时间为a,有a=ηt,其中,η是一个表示缓存生效时间同缓存可用时间的关联系数;
对于匿名集需要计算其平均可生效时间,则给出k‑匿名集的平均缓存可生效时间为用户生成初始匿名集或是边缘服务器生成扩展匿名集,平均缓存可生效时间均可用上述方法计算,以AIni和AExp分别表示初始匿名集和扩展匿名集的平均缓存可生效时间。