论文部分内容阅读
近年来,随着无线通讯技术、移动定位技术以及智能手机的不断发展,移动社交网络得到迅速发展,并成为人们生活中必不可少的一部分。隐私是指人们生活中不愿公开或不愿为他人知悉的秘密,网络隐私的泄露问题已经成为近年来国内外关注的焦点之一移动社交网络在给人们带来便利的同时,也引发了严重的隐私泄露问题。已有研究对移动社交网络中的隐私保护问题关注较少,存在着用户的位置、属性等信息泄露问题亟待解决。朋友发现即发现老朋友和潜在的朋友,其是移动社交网络所提供的服务之一。本文针对移动社交网络朋友发现服务中的隐私保护问题开展研究,提出了在朋友发现过程中的隐私保护方法。首先,在对用户进行位置聚类的基础上,进行用户间相似度的计算与过滤。设计了一种基于Paillier加密算法的三方点积计算协议,对两个用户间的隐私向量进行加密后计算其点积值,并判断点积值是否满足某个阈值的要求。在此过程中,用户的隐私信息和点积值并不被泄露给任何一方。其次,在对用户相似度进行过滤的基础之上,引入了信任度的概念,利用相似度和信任度这两个属性实现对用户组的协同过滤。提出了一种基于好友关系的信任模型,用来评价用户在移动社交网络中的可信任程度。模型中以用户的信誉值表示全局信任度,以用户间的共同好友数量表示间接信任度,最后再对这两个量化数据进行综合,得到用户的信任度评价。通过信任度的排名,可以一定程度上对攻击者的虚假用户节点进行过滤,增加其使用代价。最后,对所设计的点积计算协议与信任模型进行了性能测试与模拟实验。经过对实验数据以及协议分析,可以得到所提出的方法能在实现用户需求的前提下,在一定程度上保护用户的隐私安全,达到了在隐私保护条件下进行安全朋友发现的目的。