[00133195]位置服务的隐私保护技术研究

(1) 本项目的总体目标是：深入分析引发LBS 隐私泄露的多维成因,应用隐私及密码学理论、博弈动力学理论、量子力学理论以及最优控制理论,从“基础业务”到“衍生业务”,从“局部”到“全局”逐层演化递进提出一套理论分析方法和方案机制,解决LBS 的隐私泄露问题,使LBS 走出发展瓶颈,进一步便捷人们的生活。针对项目的目标,形成以下三项主要研究成果： 研究成果一：该研究工作致力于通过改善网络结构来降低数据传输过程中隐私泄露的风险从而实现对隐私的保护。根据项目组的研究,当服务网络中的大范围连接的概率付出levy分布的时候,具有小世界属性的服务网络具有更好的数据传输性能,从而更容易保证数据传输过程中的数据隐私。相关研究成果以论文《Analysis of Best Network Routing Structure for IoT》发表于国际会议WASA 2019。 研究成果二：该研究工作致力于在不显式提供用户个人属性信息的前提下,通过多源社交网络之间的对齐,实现对用户关键/隐私信息的推断,从而提供更加精准的信息服务,实现对用户关键/隐私信息的保护。相关研究成果以论文《Cross-Network Embedding for Multi-Network Alignment》发表于国际会议WWW 2019。 研究成果三：该研究工作基于表示学习技术,对社交网络用户的深层关系进行分析挖掘,实现对用户属性信息的推断,为实现精准的LBS提供信息支持。通过该技术使得LBS摆脱了对用户提供信息的依赖,实现了对用户隐私的保护。相关研究成果以论文《LRHNE: A Latent-Relation Enhanced Embedding Method for Heterogeneous Information Networks》发表于国际会议CIKM 2020。 （2） 研究成果一从理论层面对LBS中隐私泄露生态进行了分析。基于该结论,可通过设置合理的激励机制,在保护用户隐私和推动网络服务之间取得合理的平衡,促进相关网络服务的发展。该研究成果对应项目的研究内容（3）。 研究成果二和三提出了两种通过网络对齐和网络表征学习的方式对用户的属性信息进行推断的方法,从而使得LBS在不依赖用户提供隐私信息的情况下,提供针对用户特性的精准服务。该方法的使用,既有利于推动LBS的发展,又有利于用户隐私的保护,具有较高的实用价值。该研究成果分别对应研究内容（1）和（2）。