Geographic Differential Privacy for Mobile Crowd Coverage Maximization
对于基于位置的广告和空间众包等现实世界的移动应用程序，成功的关键是瞄准在未来一段时间内可以最大限度地覆盖某些位置的移动用户。为了找到最佳的用户组，现有的方法通常需要关于用户的移动历史的信息，这可能导致隐私泄露。在本文中，我们提出了一种方法，以最大限度地提高移动人群的未来位置覆盖下，有保证的位置隐私保护计划。在我们的方法中，用户只需要上传他们经常访问的位置之一，更重要的是，上传的位置使用地理差分隐私策略进行混淆。我们对这个问题提出了分析和实际的解决方案。在真实用户移动数据集上的实验表明，该方法在相同的隐私保护水平下，具有更高的覆盖率，显著优于现有的地理差分隐私方法.
2017-11-18 cs.CR
A Clustering-based Location Privacy Protection Scheme for Pervasive Computing
在普适计算环境中，由于移动网络和定位技术的不断发展，基于位置的服务（LBS）变得越来越重要。然而，LBS的广泛部署可能会危及移动用户的位置隐私。因此，为移动用户的位置隐私提供保护措施，使其免受攻击是一个重要的研究课题。本文提出了一种新的位置隐私保护方案。我们的方法支持的位置K-匿名的移动用户与他们自己想要的匿名水平聚类范围很广。所有用户的整个区域被递归地划分为簇，以获得最小边界矩形（MBR）。用户的确切位置信息被他的MBR替换。隐私分析表明，我们的方法可以实现高弹性的位置隐私威胁，并提供更多的隐私比用户期望的。复杂性分析表明，随着移动用户的加入或离开，聚类可以实时的调整。此外，聚类算法具有很强的鲁棒性。
2010-11-13 cs.CR
Toward a Secure Crowdsourced Location Tracking System
低功耗蓝牙设备已经变得无处不在，并广泛用于不同的应用。其中，蓝牙追踪器越来越受欢迎，因为它们允许用户跟踪他们的物理对象的位置。为此，蓝牙跟踪器通常内置在连接到更大的众包跟踪系统的其他商业产品中。然而，这样的系统可能对用户的安全和隐私构成威胁，例如，通过泄露用户的贵重物品的位置。在本文中，我们介绍了一组安全属性，并调查了商业众包跟踪系统的状态，这些系统存在常见的设计缺陷，使它们不安全。利用我们的调查结果，我们提出了一个新的设计，一个安全的众包跟踪系统（SECrow），它允许设备利用众包模型的好处，而不牺牲安全性和隐私。我们的初步评估表明，SECrow是一个实用，安全，有效的众包跟踪解决方案
2021-06-01 cs.CR
Mitigating Location Privacy Attacks on Mobile Devices using Dynamic App Sandboxing
我们提出了一个系统，称为矩阵，开发保护隐私的移动终端用户从位置推断和传感器侧信道攻击的设计，实施和评估。MATRIX为用户提供了对位置和传感器的控制和可见性（例如，加速度计和陀螺仪）通过移动应用程序访问。它实现了一个PrivoScope服务，可以审计设备上应用程序的所有位置和传感器访问，并生成实时通知和图形以可视化这些访问;以及一个合成位置服务，使用户能够向他们认为有用但不信任其私人信息的应用程序提供模糊或合成的位置轨迹或传感器跟踪。这些服务的设计目的是可扩展且易于用户使用，从而向他们隐藏所有潜在的复杂性。MATRIX还实现了一个位置提供程序组件，该组件通过使用来自Google Maps Directions API的历史数据整合交通信息，并使用来自用户驾驶实验的统计信息整合加速度，为用户生成真实的隐私保护合成身份和轨迹。通过使用随机线性规划建模/求解用户调度和使用二次规划建模/求解用户驾驶行为来生成随机交通模式。我们使用用户研究、流行的位置驱动应用程序和机器学习技术对MATRIX进行了广泛的评估，并证明它可移植到全球大多数Android设备上，可靠，开销低，生成的合成轨迹难以与对手的真实移动轨迹区分开来。
2018-08-13 cs.CR
P4QS: A Peer to Peer Privacy Preserving Query Service for Location-Based Mobile Applications
基于位置的服务提供了网络世界和物理世界的有趣组合。但是，它们也可能威胁到用户的隐私。现有的隐私保护协议需要可信节点，存在严重的安全和计算瓶颈。提出了一种基于对等网络结构的分布式匿名协议。每个移动节点负责匿名化特定区域。移动节点在匿名查询中进行协作，而不需要访问关于彼此的任何信息。在提议的协议中，每个请求将与随机选择的票一起发送。服务器生成的加密响应基于此票证的哈希值通过网络发送到特定的移动节点（称为代理节点）。用户将查询代理以获得响应。消息的所有部分都是加密的，除了匿名器和代理所需的字段。这将保护P2P网络上的数据包交换。实验结果表明，该协议能够有效地实现位置服务中的用户隐私保护。
2016-06-08 cs.CR
SecureFind: Secure and Privacy-Preserving Object Finding via Mobile Crowdsourcing
蓝牙标签的成本和移动设备的普及正在彻底改变传统的失物招领服务。本文介绍了SecureFind，通过移动众包的安全和隐私保护的对象查找系统。在SecureFind中，每个贵重物品都附有一个唯一的蓝牙标签，丢失物品的所有者通过SecureFind服务提供商向许多移动用户提交物品查找请求。每一个移动用户都代表失主在其附近搜索失物，失主可以根据移动用户的响应推断其失物的位置。SecureFind旨在确保强大的对象安全性，只有对象所有者才能发现其丢失对象的位置，并为相关移动用户提供强大的位置隐私。SecureFind的高效性和效率得到了大量模拟的证实。
2015-03-27 cs.CR
Analysis of Location Data Leakage in the Internet Traffic of Android-based Mobile Devices
近年来，我们目睹了向针对移动终端用户的个性化的、基于上下文的应用和服务的转变。这些服务中的许多服务的关键组成部分是基于嵌入在设备中的位置传感器来推断用户的当前位置并预测用户的未来位置的能力。这些知识使服务提供商能够向其用户提供相关和及时的报价，并更好地管理流量拥塞控制，从而提高客户满意度和参与度。然而，这些服务遭受位置数据泄漏，这已成为智能手机用户当今最关注的隐私问题之一。在本文中，我们特别关注Android应用程序通过明文形式的互联网网络流量暴露的位置数据（即，没有加密）而没有用户的意识。我们提出了一个实证评估，涉及真实的移动终端用户的网络流量，旨在：（1）测量基于Android的智能手机设备的互联网流量的位置数据泄漏的程度;（2）通过推断用户的兴趣点（POI），了解这些数据的价值。这是通过分析71名参与者的智能手机记录的平均37天的互联网流量来实现的。我们还提出了一个从原始网络流量中挖掘和过滤位置数据的过程，并利用地理位置聚类方法来推断用户的POI。这项研究的主要发现集中在这种现象的普遍性和严重性方面;我们发现，超过85%的用户设备正在泄漏位置数据，并且从相对稀疏的泄漏指标得出的用户POI的暴露率约为61%。
2018-12-12 cs.CR
Geo-MOEA: A Multi-Objective Evolutionary Algorithm with Geo-obfuscation for Mobile Crowdsourcing Workers
移动互联网和共享经济的快速发展带来了空间众包的繁荣。SC应用根据任务请求者和外包工人（如滴滴、美团和Uber）上报的位置信息分配各种任务。然而，SC服务器通常不值得信赖，并且暴露用户的位置会引起隐私问题。在本文中，我们设计了一个框架称为Geo-MOEA（多目标进化算法与地理混淆），以保护在移动网络环境中的工作人员参与SC平台的位置隐私。我们提出了一种自适应的区域化混淆方法与推理误差界的基础上的地理不可侵犯性（一个强的概念，差分隐私），这是适合于大规模的位置数据和任务分配的情况下。这使得每个工作者能够报告利用个性化推断误差阈值自适应地生成的伪位置。此外，作为一种流行的计算智能方法，MOEA被引入到SC服务可用性和隐私保护之间的权衡优化，同时确保理论上的最一般的条件下保护位置集更大的搜索空间。最后，在两个公共数据集上的实验结果表明，我们的Geo-MOEA方法在保证差分和地理失真位置隐私的同时，实现了高达20%的服务质量损失减少。
2022-11-17 cs.CR
Trust for Location-based Authorisation
我们提出了一个概念，授权使用的位置的移动终端和执行基于位置的政策。由可信计算能力增强的移动设备操作自主且安全的位置触发器和策略执行实体。位置确定是两层的，将切换时基于小区的触发与设备的精确位置测量相结合。
2007-12-13 cs.CR
Fusion of Mobile Device Signal Data Attributes Enables Multi-Protocol Entity Resolution and Enhanced Large-Scale Tracking
在无线通信协议中使用持久标识符是已知的隐私问题，因为它们可用于跟踪移动设备的位置。此外，硬件标识符以及上层网络协议数据属性的分配中的固有结构可能泄漏附加的设备信息。我们介绍SEXTANT，一个计算框架，结合了改进以前公布的设备识别技术与新颖的时空相关算法，以执行多协议实体解析，实现跨协议域的移动设备的大规模跟踪。使用代表拉斯维加斯居民和游客的模拟数据进行实验，包括大约30万个多协议移动设备，产生超过2亿个传感器观测结果，证明了SEXTANT在大规模有效执行的同时对数据异质性，稀疏性和噪声具有鲁棒性的能力，强调迫切需要采用新的标准来保护移动终端用户的隐私。
2019-06-05 cs.CR eess.SP
PrivLoc: Preventing Location Tracking in Geofencing Services
基于位置的服务越来越多地用于我们的日常活动。然而，在目前的服务中，用户必须放弃他们的位置隐私，以获得服务。文献的特点是大量的贡献，旨在提高用户的隐私，基于位置的服务。这些贡献中的大多数使用空间和/或时间伪装来混淆用户的位置，以提供k-匿名性。尽管这样的方案确实可以加强用户的位置隐私，但是它们经常降低服务质量并且不一定防止对用户移动的可能跟踪（即，方向、轨迹、速度）。随着地理围栏应用的兴起，对移动的跟踪变得更加明显，因为在这些设置中，服务提供商不仅请求用户的单个位置，而且需要用户的移动矢量来确定用户是否已经进入/退出感兴趣的地理围栏。在本文中，我们提出了一种新的解决方案，PrivLoc，它使隐私保护外包的地理围栏和基于位置的服务到云，而不会泄露任何有意义的信息的位置，轨迹和速度的用户。值得注意的是，PrivLoc能够利用现有地理围栏服务或空间数据库的功能，实现移动矢量与任何感兴趣的多边形的高效和隐私保护交叉。我们分析了PrivLoc的安全和隐私条款，并通过实现来评估我们的方案的性能。我们的研究结果表明，PrivLoc引入的性能开销在很大程度上可以容忍在现实的部署设置。
2014-04-18 cs.CR
The Privacy Exposure Problem in Mobile Location-based Services
移动位置服务（LBS）是由移动众包提供的基于用户位置的上下文感知智能服务。由于智能手机能够收集和传播大量的用户位置嵌入式传感信息，移动用户的隐私保护已成为一个至关重要的问题。本文提出了一个度量隐私暴露量化的概念，这是主观的和定性的性质，以支持移动LBS评估隐私保护解决方案的有效性。该指标结合了活动覆盖率和活动一致性，以解决两个主要的隐私威胁，即活动热点披露和活动转换披露。此外，我们提出了一种算法来最大限度地减少移动LBS的隐私暴露。我们通过大量的模拟评估所提出的度量和隐私保护传感算法。此外，我们还实现了基于Android的移动系统中的算法，并进行了真实世界的实验。我们的模拟和实验结果表明，（1）所提出的度量可以适当地量化在空间域中的人类活动的隐私暴露水平和（2）所提出的算法可以有效地掩盖用户的活动热点和过渡在高和低用户移动水平。
2018-08-02 cs.CR cs.NI
A Narrative Review of Identity, Data, and Location Privacy Techniques in Edge Computing and Mobile Crowdsourcing
Toronto Metropolitan University（多伦多都会大学）
本文综述移动众包与边缘计算中的身份、数据和位置隐私保护技术，梳理文献趋势、技术进展及未来方向。
2024-10-28 cs.CL cs.CR
Location Cheating: A Security Challenge to Location-based Social Network Services
基于位置的移动社交网络服务，如Foursquare和Gowalla，在过去几年中呈指数级增长。这些基于位置的服务利用地理位置来丰富各种上下文中的用户体验，包括基于位置的搜索和基于位置的移动广告。为了吸引更多的用户，当用户在某个地点或位置签到时，基于位置的移动社交网络服务向用户提供真实世界的奖励。这会刺激用户在他们的位置上作弊。在这份报告中，我们调查了位置欺骗攻击的威胁，找到了漏洞的根本原因，并概述了可能的防御机制。我们以foursquare为例介绍了一种新颖的位置欺骗攻击，它可以很容易地通过当前的位置验证机制（例如，Foursquare的作弊代码）。我们还抓取了foursquare网站。通过分析抓取的数据，我们表明自动化的大规模作弊是可能的。通过这项工作，我们的目标是呼吁注意在移动社交网络服务的位置欺骗，并提供深入的防御机制。
2011-02-21 cs.CR cs.SI
Variations in Tracking in Relation to Geographic Location
不同国家有不同的隐私监管模式。这些模型影响了围绕互联网隐私的观点和法律。然而，在限制在线跟踪和广告活动方面，人们对监管模式的有效性知之甚少。在本文中，我们提出了一种方法，通过分析Cookie和HTTP请求从浏览会话起源于不同的国家调查跟踪行为。我们从访问各个国家/地区的顶级网站收集浏览数据，这些国家/地区采用不同的监管模式。我们发现，使用几个指标跟踪不同国家之间的活动存在显着差异。我们还提出了各种方法来扩展这项研究，这可能会产生一个更完整的表示跟踪从全球的角度来看。
2015-06-12 cs.CR cs.CY
Who Can Find My Devices? Security and Privacy of Apple's Crowd-Sourced Bluetooth Location Tracking System
一夜之间，苹果将其数千万台设备的生态系统转变为世界上最大的众包位置跟踪网络，称为离线查找（OF）。OF利用在线查找器设备使用蓝牙检测是否存在丢失的离线设备，并通过互联网向所有者报告大致位置。虽然OF不是同类系统中的第一个，但它是第一个致力于强大隐私目标的系统。特别是，OF旨在确保发现者的匿名性，所有者设备的不可跟踪性以及位置报告的机密性。本文首次全面分析了OF的安全性和隐私性。为此，我们通过逆向工程来恢复闭源OF协议的规范。我们的实验表明，未经授权的访问位置报告允许准确的设备跟踪和检索用户的顶部位置，在城市地区的误差在10米的顺序。虽然我们发现OF的设计实现了其隐私目标，但我们发现了两个不同的设计和实现缺陷，这些缺陷可能导致位置相关攻击和未经授权访问过去七天的位置历史，这可能会使用户匿名化。苹果已经部分解决了我们负责任披露后的问题。最后，我们将我们的研究成果公之于众。
2021-03-03 cs.CR cs.NI
Virtual Private Mobile Network with Multiple Gateways for B5G Location Privacy
在超5G（B5G）场景中，我们考虑虚拟专用移动网络（VPMN），即，以设备到设备（D2D）方式直接通信并且通过多个网关连接到所述蜂窝网络的用户设备（UE）的集合。VPMN的目的是向移动网络运营商（MNO）隐藏VPMN UE的位置。我们调查的设计和性能的数据包路由内部的VPMN。首先，我们注意到，使VPMN与蜂窝网络之间的速率最大化的路由导致每个UE对网关的不平衡使用。进而，这揭示了关于VPMN UE的位置的信息。因此，我们推导出一种路由算法，其最大化VPMN速率，同时在每个网关处对每个UE施加相同的数据率，从而隐藏UE的位置。我们比较所得到的解决方案的性能，评估的VPMN实现的位置隐私，并考虑在从UE到网关的传输单跳和多跳的情况下。
2021-10-04 cs.CR cs.IT math.IT
