申请/专利权人：南京邮电大学

申请日：2017-04-07

公开（公告）日：2020-04-14

公开（公告）号：CN107222851B

主分类号：H04W12/02(20090101)

分类号：H04W12/02(20090101);H04L29/06(20060101);H04W4/029(20180101);H04W4/33(20180101)

优先权：

专利状态码：有效-授权

法律状态：2020.04.14#授权;2017.10.27#实质审查的生效;2017.09.29#公开

摘要：本发明公开了一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，在待定位用户端采集到实时WiFi指纹，包括接入点AP名和相应的接收信号强度RSS，将AP序列发送给服务器；服务器根据用户端发送过来的AP序列从数据库中挑选出拥有相同AP序列的指纹记录形成一个指纹数据集；然后将这些指纹记录的采样点位置进行迭代聚类，在聚类过程中进行加噪处理，形成k个簇；对于每个参考点位置,基于概率选择新的位置替换原先的位置，将更新过后的指纹数据集发回给用户；最后在用户端计算实时指纹与接收数据集中指纹间的欧式距离并采用改进的KNN方法估计出用户的位置。本发明在保证数据可用性的同时也保护了数据隐私，对于用户端来说，本发明可以保护用户的位置隐私。

主权项：1.一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法包括如下步骤：步骤1：用户端采集用户实时的Wifi信号，并将AP序列发送给服务器，提出定位请求，实时Wifi信号包括接入点的AP名和相应的接收信号强度RSS，即步骤2：服务器从指纹数据库中挑选出符合条件的指纹记录，生成一个指纹数据集，指纹数据库包含了M个参考点位置以及每个位置所对应的ni,i＝1,2,...,M个AP的RSS值，即其中ti表示编号为i的参考点位置；挑选指纹记录的方法是寻找其AP序列与接收到的AP序列相同的记录；提取这些指纹记录形成指纹数据集其中|D2|表示数据集D2中指纹记录的数目；步骤3：将这个数据集中的所有参考点位置利用差分隐私进行迭代聚类，形成k个集群，迭代聚类包括以下步骤：步骤3-1：对于数据集中的|D2|个参考点位置，任意选定k个位置作为k个簇C1,C2,...,Ck的中心，中心点分别记为其中表示第p次迭代聚类的中心位置；步骤3-2：将|D2|个参考点位置按就近原则分配到这k个簇中，即对于每个位置ti，使最小，j＝1,2,...,k；步骤3-3：对所有位置到所属簇中心的总距离之和添加符合Laplace分布的噪声，计算其中随机变量u服从上的均匀分布，敏感度HS＝max||ti-tj||表示所有参考点位置间最大的距离，p是迭代次数，ε是隐私预算；步骤3-4：重新计算每个簇的中心位置第j个簇的新中心计算公式为其中表示位置ti与前中心之间的距离，然后再执行步骤3-2，直至簇新旧中心位置间距离此时得到聚类后的k个簇C'1,C'2,...,C'k；步骤4：对于每个参考点位置,基于概率选择新的位置替换原先的位置,并将更新过后的指纹数据集发回给用户，位置替换系通过采用指数机制进行，对于特定的位置ti，其所属的簇是C'l，并将簇C'l中所有的位置列入候选集I中，用tj,tj∈I替换ti的概率为选择概率最高的tj替换ti；所有位置都进行替换后生成新的数据集将D'2发回至用户端；步骤5：用户端计算实时信号指纹与接收到的指纹数据集中参考点指纹间的欧式距离，并使用改进的K近邻方法得到定位结果，实时信号指纹与数据集D'2中编号为i的指纹间的欧几里得距离表示为其中权重改进的K近邻算法是指得到欧几里得距离较小的K个参考点位置后再采用加权平均法算出定位结果其中wi是第i个参考点的权重，ti是第i个参考点的位置坐标，t是最后的定位结果。

全文数据：一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法技术领域[0001]本发明属于数据发布技术领域，具体涉及一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法。背景技术[0002]基于WifiFingerprint的室内定位被公认为是室内定位领域最具前景的技术之一，通过比较实时采集的指纹Wifi信号强度与数据库中已存的指纹来估算出用户端的位置，这种方法的优势很明显，可以实现低成本和高可靠性。但潜在的隐私问题也不容忽视，定位过程中可能会泄露用户端的位置信息以及服务器数据库的数据隐私。[0003]传统的隐私保护方法有同态加密技术和匿名处理。同态加密如Pai11ier加密，缺点是计算开销比较大;匿名处理包括泛化、压缩、数据交换技术等很难实现数据隐私与实用性的平衡。如公开号为CN105530609A、名称为“基于Wi-Fi指纹的高效隐私保护的室内定位方法”的解决方案是首先收集室内每个位置的指纹并生成索引集合;然后将索引集合通过无线网络传给用户端，以待用户完成对自己位置信息的查找，所述的指纹是指每个位置对应每个Wi-Fi接入点的RSS信号;所述的索引集合包括:若干个哈希表、每个哈希表的对应函数组的参数以及用指纹序号标记的每个指纹的位置坐标。本发明采用位置敏感哈希函数对位置隐私的加密方法，以达到高效性和隐私保护的性质。通过对定位的重新设计，来达到减少计算时间空间，提高定位精度，以及保护用户和服务器位置信息隐私的目的。但该发明的其不足之处在于攻击者可以通过暴力brute-force方式获取数据库的近似信息，即攻击者伪造尽量多合法范围内的WiFi指纹，使用该方案得到所有WiFi指纹的定位结果，当与索引集合中参考点位置相同时，这些定位结果和对应的伪WiFi指纹组成的数据库和原数据库就非常相似了。发明内容[0004]本发明目的在于提供了一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，该方法在WifiFingerprint室内定位系统的基础上利用Κ-means法、LapIace机制和指数机制实现差分隐私保护，该方法通过将服务器数据库中提取出的Wifi指纹记录的位置使用K-means和Laplace机制进行迭代聚类形成k个簇，从而降低位置的稀疏性，避免后续引入大量噪声;在聚类过程中对所有位置到所属中心的总距离之和添加Laplace噪声，而不是针对每个位置加噪，是因为簇相对于位置来说没有那么稀疏，因此添加的总噪声会显著降低;最后根据指数机制选出新位置坐标进行替换，从而使整个数据集得到消毒更新，将更新后的数据集发布给待定位用户端，在用户端估算出用户的位置。相对于其他隐私保护方法，该方法不仅保护了用户的位置信息，还获得了数据库数据的可用性和隐私的权衡。[0005]为实现上述目的，本发明提出的技术方案是一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，具体包括如下步骤：[0006]步骤1:用户端采集用户实时的Wifi信号，并将AP序列发送给服务器，提出定位请求；[0007]步骤2:服务器从指纹数据库中挑选出符合条件的指纹记录，生成一个指纹数据集；[0008]步骤3:将这个数据集中的所有参考点位置利用差分隐私进行迭代聚类，形成k个集群；[0009]步骤4:对于每个参考点位置，基于概率选择新的位置替换原先的位置，并将更新过后的指纹数据集发回给用户；[0010]步骤5:用户端计算实时信号指纹与接收到的指纹数据集中参考点指纹间的欧式距离，并使用改进的K近邻方法得到定位结果。[0011]进一步，上述步骤1中所述的实时Wifi信号包括接入点的AP名和相应的接收信号强度RSSjp[0012]上述步骤2所述的指纹数据库包含了M个参考点位置以及每个位置所对应的m，i=1，2,...，M个AP的RSS值，S卩其中ti表示编号为i的参考点位置;挑选指纹记录的方法是寻找其AP序列与接收到的AP序列相同的记录;提取这些指纹记录形成指纹数据集，其中ID21表示数据集D2中指纹记录的数目。[0013]上述步骤3中的迭代聚类包括以下步骤：[0014]步骤3-1:对于数据集中的ID21个参考点位置，任意选定k个位置作为k个簇C1，C2,...，Ck的中心，中心点分别记为表示第P次迭代聚类的中心位置；[0015]步骤3-2:将ID21个参考点位置A按就近原则分配到这k个簇中，即对于每个位置ti，使最小，j=l，2，...，k;[0016]步骤3-3:对所有位置到所属簇中心的总距离之和添加符合Laplace分布的噪声，计算随机变量u服从上的均匀分布，敏感度HS=max||ti-tj|I表示所有参考点位置间最大的距离，P是迭代次数，ε是隐私预算；[0017]步骤3-4:重新计算每个簇的中心位置，第j个簇的新中心计算公式为其中表示位置^与前中心之间的距离，然后再执行’步骤3-2,直至簇新旧中心位置间距离此时得到聚类后的k个l，l2，...，lk〇[0018]上述步骤4中所述位置替换系通过采用指数机制进行，对于特定的位置t，其所属的簇是Ci，并将簇1中所有的位置列入候选集I中，用tj，tjeI替换ti的概率为，选择概率最高的q替换t1;所有位置都进行替换后生成新的数据集，，将DS发回至用户端。[0019]上述步骤5中的实时信号指纹与数据集DS中编号为i的指纹间的欧几里得距离表示为+，其中权重；改进的K近邻算法是指得到欧几里得距离较小的K个参考点位置后再采用加权平均法算出定位结果，其中，wi是第i个参考点的权重，ti是第i个参考点的位置坐标，t是最后的定位结果。[0020]与现有技术相比，本发明的有益效果：[0021]1、本发明保护了待定位用户的位置信息，因为用户位置的检索估算在用户端完成，因此攻击者无法直接获取到用户的位置，并且用户端只是将AP序列发布给服务器，攻击者也无法获得用户端实时采集的Wifi指纹，从而可以避免攻击者通过查询得到用户的位置。[0022]2、本发明保护了数据库的数据信息，对数据库的位置坐标进行了加噪处理并进行了消毒更新，因此每次查询得到的数据集都不会完全相同，攻击者无法获取数据库准确的数据信息。[0023]3、本发明对于基于WifiFingerprint室内定位系统，可以在保护用户端与数据库隐私的同时，使查询数据仍具有可用性。附图说明[0024]图1为本发明系统的结构示意图。[0025]图2为本发明系统的迭代聚类过程示意图。具体实施方式[0026]以下结合说明书附图对本发明作进一步的详细说明。[0027]本发明的符号及其含义：[0028][0029]图1为迭代聚类的过程示意图，通过使用K-means和Laplace机制对服务器数据库中符合条件的Wifi指纹记录的参考点位置进行聚类形成k个簇，从而降低数据集的稀疏性，避免后续引入大量噪声。[0030]如图2所示，本发明提供了一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，用户端实时收集Wifi信号并向服务器发起定位请求，服务器根据要求从数据库中挑选出符合条件的指纹记录形成一个指纹数据集，使用差分隐私将这些指纹记录的参考点位置进行迭代聚类形成k个簇，然后选择新的位置代替原先的位置，得到消毒处理过的指纹数据集并发回给用户，在用户端估算出用户的位置。该方法将结合K-means法、Laplace机制和指数机制实现的差分隐私应用到了基于WifiFingerprint室内定位领域。[0031]本发明系统的运作流程具体如下：[0032]步骤1:用户端采集用户实时的Wifi信号，实时Wifi信号包括接入点AP名和相应的接收信号强度RSSAP，[0033]步骤2:服务器从数据库中挑选出符合条件的指纹记录生成一个指纹数据集，指纹数据库包含了M个参考点位置以及每个位置所对应的in，i=l，2,...，M个AP的RSS值，即，其中U表示编号为i的参考点位置;挑选指纹纪录的方法是寻找其AP序列与接收到的AP序列相同的记录，用户端的位置与这些参考点位置的相关性比较大;提取这些指纹记录形成数据集，其中ID21表示数据集02中指纹记录的数目。[0034]步骤3:将这个数据集中所有位置进行迭代聚类，形成k个簇，如图1所示具体处理步骤包括：[0035]步骤3-1:对于数据集中的ID21个参考点位置，任意选定k个位置作为k个簇C1，C2，...，Ck的中心，中心点分别记为'，其中表示第P次迭代聚类的中心位置；[0036]步骤3-2:将ID21个参考点位置…按就近原则分配到这k个簇中，即对于每个位置ti，使最小，j=l，2，...，k;[0037]步骤3-3:对所有位置到所属簇中心的总距离之和添加符合Laplace分布的噪声，计算是均值为m，方差为的Laplace分布，随机变量u服从上的均匀分布，即，敏感度HS=max||ti_tj|I表示所有参考点位置间最大的距离，p是迭代次数，ε是隐私预算；[0038]步骤3-4:重新计算每个簇的中心位置第j个簇的新中心计算公式为其中表示位置^与前中心之间的距离，然后再执行步骤3-2,直至簇新旧中心位置间距离此时得到聚类后的k个l，l2，...，lk〇[0039]步骤4:选择新的位置替换原先的参考点位置，位置的替换采用指数机制，对于特定的位置^，其所属的簇是V，并将簇C1’中所有的位置列入候选集I中，用I替换tl的概率为选择概率最高的tj替换ti;所有位置都进行替换后生成新的数据集，.将DS发回至用户端。[0040]步骤5:用户端估算用户的位置，实时信号指纹与数据集DS中编号为i的指纹间的欧几里得距离表示为；改进的K近邻算法是指得到欧几里得距离较小的K个参考点位置后再采用加权平均法算出定位结果，wi是第i个参考点的权重，ti是第i个参考点的位置坐标，t是最后的定位结果。

权利要求：1.一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法包括如下步骤：步骤1:用户端采集用户实时的Wifi信号，并将AP序列发送给服务器，提出定位请求；步骤2:服务器从指纹数据库中挑选出符合条件的指纹记录，生成一个指纹数据集；步骤3:将这个数据集中的所有参考点位置利用差分隐私进行迭代聚类，形成k个集群；步骤4:对于每个参考点位置，基于概率选择新的位置替换原先的位置，并将更新过后的指纹数据集发回给用户；步骤5:用户端计算实时信号指纹与接收到的指纹数据集中参考点指纹间的欧式距离，并使用改进的K近邻方法得到定位结果。2.根据权利要求1所述的一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法步骤1中所述的实时Wifi信号包括接入点的AP名和相应的接收信号强度RSSAP3.根据权利要求1所述的一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法步骤2所述的指纹数据库包含了M个参考点位置以及每个位置所对应的ni，i=l，2,...，M个AP的RSS值，SP•其中ti表示编号为i的参考点位置;挑选指纹记录的方法是寻找其AP序列与接收到的AP序列相同的记录;提取这些指纹记录形成指纹数据集，其中ID21表示数据集02中指纹记录的数目。4.根据权利要求1所述的一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法步骤3中的迭代聚类包括以下步骤：步骤3-1:对于数据集中的ID21个参考点位置，任意选定k个位置作为k个簇C1，C2，...，Ck的中心，中心点分别记为其中Sf表示第p次迭代聚类的中心位置；.7.J步骤3-2:将ID21个参考点位置按就近原则分配到这k个簇中，即对于每个位Sti，，j=1，2，···，k;步骤3-3:对所有位置到所属簇中心的总距离之和添加符合Laplace分布的噪声，计算随机变量u服从上的均匀分布，敏感度HS=max||ti_tj|I表示所有参考点位置间最大的距离，P是迭代次数，ε是隐私预算；步骤3-4:重新计算每个簇的中心位置，第j个簇的新中心计算公式其中表示位置1与前中心之间的距离，然后再执行步骤3-2,直至簇新旧中心位置间距离，此时得到聚类后的k个簇CΆ，…，c，k。5.根据权利要求1所述的一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法步骤4中所述位置替换系通过采用指数机制进行，对于特定的位置U，其所属的簇是C71，并将簇C'冲所有的位置列入候选集I中，用I替换^的概率为，选择概率最高的h替换U;所有位置都进行替换后生成新的数据集，将D’2发回至用户端。6.根据权利要求1所述的一种利用差分隐私保护WifiFingerprint室内定位系统隐私的方法，其特征在于，所述方法步骤5中的实时信号指纹与数据集D’2中编号为i的指纹间的欧几里得距离表示为，其中权重；改进的K近邻算法是指得到欧几里得距离较小的K个参考点位置后再采用加权平均法算出定位结果，:其中，wi是第i个参考点的权重，ti是第i个参考点的位置坐标，t是最后的定位结果。

百度查询： 南京邮电大学 一种利用差分隐私保护Wifi Fingerprint室内定位系统隐私的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD