基于密文KNN检索的室内定位隐私保护算法

在定位请求服务中，如何保护用户的位置隐私和位置服务提供商（Localization service provider， LSP）的数据隐私是关系到WiFi指纹定位应用的一个具有挑战性的问题。基于密文域的K-近邻（K-nearest neighbors，KNN）检索，本文提出了一种适用于三方的定位隐私保护算法， 能有效提升对LSP指纹信息隐私的保护强度并降低计算开销。服务器和用户分别完成对指纹信息和定位请求的加密，而第三方则基于加密指纹库和加密定位请求，在隐私状态下完成对用户的位置估计。所提算法把各参考点的位置信息随机嵌入指纹，可避免恶意用户获取各参考点的具体位置；进一步利用布隆滤波器在隐藏接入点信息的情况下，第三方可完成参考点的在线匹配，实现对用户隐私状态下的粗定位，可与定位算法结合降低计算开销。在公共数据集和实验室数据集中，对两种算法的安全、开销和定位性能进行了全面的评估。与同类加密算法比较，在不降低定位精度的情况下，进一步增强了对数据隐私的保护。