23946

ارائه طرحي براي سرويس هاي مكان مبنا با هدف حفظ حريم خصوصي كاربران

كارشناسي ارشد

شبكه هاي كامئيوتري

1394

01.11.97

دكتر عبدالهي ازگمي

كامپيوتر

در سالهاي اخير سرويسهاي مكانمبنا به دليل فراهم آوردن آسانتر و سريعتر و كم هزينهتر انواع مختلفي از سرويسها به جزء مهمي از زندگي روزمره افراد تبدل شدهاند. وجه مشترك در انواع مختلفي از اين سرويسها در اين نكته است كه هر كاربر براي استفاده از آنها به ناچار بايد اطلاعات مكان واقعي خود را همراه با پرسمان مدنظر خود ارسال نمايد. حريمخصوصي مكان وحريمخصوصي پرسمان دو مقولهي وابسته به هم هستند، به هميندليل با در خطر افتادن مكان كاربر اطلاعات مهم دربارهي هويت او نيز در معرض خطر قرار خواهد گرفت. در طرح پيشنهادي حريمخصوصي مكان و پرسمان كاربر كه دو مقوله وابسته به هم هستند مورد توجه قرار گرفتهاند. به منظور حفظ حريمخصوصي در سرويسهاي مكانمبنا برK -گمنامي كه يك راهحل حفظ حريمخصوصي مكان است، تمركز شده است. در اين ميان به منظور ايجاد ناحيهي پنهان از الگوريتمهاي خوشهبندي استفاده شده است. در اولين مرحله پيش از تشكيل خوشهها از ساختار دادهاي به منظور ترسيع در فرايند جستجوي نزديكترين همسايهها استفاده شده است. همچنين براي حفظ حريمخصوصي پرسمان از تكنيك تنوع در درخواستها استفاده شده است. پس از اعمال فرضيات و ايجاد خوشههاي مطلوب گرههايي كه سبب بزرگي اندازهي خوشهها بصورت نامطلوب و در پي آن اتلاف هزينهي اضافي هستند تشخيص داده ميشوند. شبيهسازي طرح پيشنهادي نشان داده است كه معيارهايي همچون كيفيت سرويس، زمان پنهانسازي و عدم قطعيت بهبود يافتهاند.

1400/04/06

A Design for Location-Based Services with Emphasis on Preserving the privacy of Users

1/21/2020 12:00:00 AM

In this thesis, A Design for Location-Based Services with Emphasis on Preserving the privacy of Users, for protecting location privacy and query privacy is proposed. An iterative DBSCAN clustering method is developed to categorize the user’s requests as clusters for providing location anonymity. Meanwhile, the diversity method for preserving the query privacy is used to create clusters. Also, KD-tree is utilized diversity and improve the process of neighborhood search. The accuracy of users' location and the information of them is inversely proportional to the user privacy preserving degree K and is directly proportional to the quality of query service. In order to balance privacy preserving and query quality caused by the accuracy of location information, a clustering algorithm eliminates outlieress based on the K-anonymity location privacy preserving. The experimental results demonstrate that in proposed design improves on Numbers of Clusters, shorter CloaKing Time, higher Entropy, and Quality of Service.