[论文解读] Preserving Co-Location Privacy in Geo-Social Networks

Matteo Camilli|arXiv (Cornell University)|Mar 18, 2012

Privacy-Preserving Technologies in Data参考文献 6被引用 4

一句话总结

本文提出一种空间泛化技术，通过动态扩大位置标签或在隐私偏好被违反时将用户从资源可见性中移除，以在实时地理社交网络中保护共位置隐私。该方法通过元数据混淆实现隐私保护，同时保持服务可用性，通过共位置图分析和原子提交实现形式化强制执行。

ABSTRACT

The number of people on social networks has grown exponentially. Users share very large volumes of personal informations and content every days. This content could be tagged with geo-spatial and temporal coordinates that may be considered sensitive for some users. While there is clearly a demand for users to share this information with each other, there is also substantial demand for greater control over the conditions under which their information is shared. Content published in a geo-aware social networks (GeoSN) often involves multiple users and it is often accessible to multiple users, without the publisher being aware of the privacy preferences of those users. This makes difficult for GeoSN users to control which information about them is available and to whom it is available. Thus, the lack of means to protect users privacy scares people bothered about privacy issues. This paper addresses a particular privacy threats that occur in GeoSNs: the Co-location privacy threat. It concerns the availability of information about the presence of multiple users in a same locations at given times, against their will. The challenge addressed is that of supporting privacy while still enabling useful services.

研究动机与目标

• 正式定义实时地理社交网络（GeoSNs）中的共位置隐私威胁，其中多个用户在某一位置的共同时存在被视为敏感信息。
• 定义用户对共位置的隐私偏好，特别是避免与特定个体在共享位置中被关联的意愿。
• 设计并实现一种隐私保护机制，以强制执行这些偏好，同时不损害基于位置服务的实用性。
• 解决实时资源发布中的挑战，即精确位置被立即共享，使得隐私保护尤其困难。

提出的方法

• 该方法使用空间泛化技术，若否则会违反用户的共位置隐私偏好，则扩大资源的地理标签。
• 构建共位置图以检测涉及多个用户和资源的间接共位置违规。
• 算法检查所有可能的共位置关系，仅在满足所有隐私约束且尊重用户移动限制的前提下应用空间扩大。
• 若空间泛化不可行，则将违规用户从资源可见性列表中移除（用户删除）作为备用方案。
• 该方法确保资源提交的原子性，以防止并发发布期间的竞争条件。
• 其基于用户定义的隐私策略和最大用户速度约束，利用元数据泛化计算安全的空间扩大。

实验结果

研究问题

• RQ1 如何在实时地理社交网络中正式定义和建模共位置隐私？
• RQ2 哪些机制允许用户表达其不希望与特定个体在共享位置中被关联的隐私偏好？
• RQ3 当多个用户参与单个资源发布时，系统如何检测并防止共位置隐私违规？
• RQ4 哪些技术可在强制执行这些隐私偏好时保持基于位置服务的实用性？
• RQ5 在不同GeoSN服务模型中，空间泛化、用户删除与时间模糊化之间的权衡是什么？

主要发现

• 所提出的技术通过动态调整空间标签或从可见性中移除用户，成功防止了共位置隐私违规，确保无用户与不希望关联的个体在共享位置中被链接。
• 当所需扩大程度符合用户最大速度约束时，空间泛化有效，同时保护隐私和位置准确性。
• 当由于接近性约束导致空间泛化不可行时，采用用户删除作为备用方案，尽管这可能降低资源实用性。
• 该方法适用于现有GeoSNs（如Twitter、Google Latitude和Loopt），其中粗粒度位置标记可接受。
• 该算法确保并发资源发布中的原子性，防止多个用户间隐私强制执行不一致。
• 该方法不适用于需要高空间和时间精度的服务，此类场景下仅用户删除或加密可能可行。