多边形相似判定中的私有信息保护

隐私保护的计算几何问题指的是参与合作的各方在不向其余各方泄漏自己的私有输入数据的情况下,共同合作完成某些计算任务,秘密判定多边形相似是一个特殊的保护隐私的计算几何问题,在很多领域有着重要的应用.秘密判定两组数据是否对应成比例和对应相等对秘密比较多边形相似起着重要的作用.本文在比较相等协议和点积协议的基础上设计了相应的判定协议,分析了协议的正确性、安全性及复杂性,解决了秘密判定多边形相似问题,取得很好的结果.     

两层传感网隐私保护的不完全数据Skyline查询协议

感知节点感知数据易受外界环境影响,使得不完全数据广泛存在于无线传感器网络中,且感知数据面临严重的隐私威胁。针对两层传感器网络不完全数据查询过程中存在的隐私泄露问题,提出一种基于置换和桶技术的两层传感器网络隐私保护的不完全数据Skyline查询协议（PPIS）。为了实现对不完全数据的Skyline查询,PPIS将缺失属性值置换为数据域的上界值,并将不完全数据映射到桶中;为了保证数据隐私性,PPIS首先将桶区间转化为前缀编码,然后将前缀编码加载到Bloom过滤器中,保证存储节点在无需数据和桶区间明文的前提下执行查询处理;为了保证查询结果的完整性,PPIS采用Merkle哈希树构造完整性验证编码,实现对查询结果的完整性验证。理论分析和仿真实验验证了PPIS的安全性和有效性,与现有隐私保护Skyline查询协议SMQ和SSQ相比,PPIS通信能耗节省了70%以上。     

移动群智感知中原始数据隐私保护算法

随着移动智能设备的普及，移动群智感知（MCS）得到广泛应用的同时面临着严重的隐私泄露问题。针对现有的移动群智感知中的原始数据隐私保护方案不能抵御共谋攻击，降低了感知数据可用性的情况，提出一种基于移动节点的数据隐私保护算法（DPPMN）。首先，使用DPPMN中的节点管理器建立在线节点列表并将其发送给源节点，源节点通过列表构建数据传输的匿名路径；然后，使用paillier加密方案加密数据；接着，将密文沿路径上传至应用服务器；最后，服务器解密密文得到所需的感知数据。在数据传输时使用加解密操作，确保了攻击者不能窃听感知数据的内容，且无法沿路径追溯数据的来源。DPPMN能保证应用服务器在不侵犯节点隐私的情况下访问原始数据。理论分析和实验结果表明，DPPMN在增加适当通信量的情况下，具有较高的数据安全性，可以在抵御共谋攻击的同时不影响数据的可用性。     

两层传感器网络隐私保护Skyline查询协议

无线传感器网络中隐私保护技术已经成为研究热点,其中隐私保护精确Skyline查询协议已成为富有挑战性的研究问题.提出一种两层传感器网络隐私保护Skyline查询协议(PPSQ).该协议通过采用Z-O编码技术并结合HMAC机制,使得存储节点可以在无需感知数据明文的情况下判断出元组的支配关系,从而得出密文查询结果,保护了数据的隐私安全性;并通过辅助计算节点计算的验证码来保证查询结果的完整性.理论分析和实验结果表明,PPSQ协议能够保证感知数据、查询结果的隐私安全性和查询结果的完整性,且性能优于现有工作.     

一种容错的传感器网络数据融合隐私保护算法

由于网络通信具有易错的特点,提出一种具有容错性的隐私保护数据聚集算法。通过椭圆曲线加密方案对节点数据进行加密,保证数据的隐私性,采用加同态加密技术,实现了端到端的聚集加密,节省能耗和带宽。同时,构造轨道图拓扑结构,使得每个节点有多个父节点,当节点与主父节点发生链路失效时,其他父节点能够修复聚集值。仿真实验结果显示,提出的方案在适当增加通信量的情况下,具有较高的数据安全性、很好的容错性和高精度的聚集值。     

两层无线传感器网络中隐私保护的范围查询

两层无线传感器网络中存储节点负责存储传感节点的数据和处理Sink节点的查询请求.然而,由于存储节点的重要性,使得存储节点成为攻击者攻击的目标,特别是存储节点被攻击者捕获后,攻击者能够获取隐秘的传感数据、伪造传感数据和丢弃部分查询结果等.因此,提出了一种安全的范围查询方案,保证了数据的机密性和真实性,并利用签名融合技术,极大地降低了通信量,且具有较高的完整性检测概率.在此基础上,提出了一种检测率更高的范围查询方案.理论分析和实验结果显示,所提出的方案具有较高的检测率和较低的通信量.     

LD-identify: 基于无源RFID的网络学习状态识别

在线教育中,学生实时动作能够准确反映学生当前的学习状态,在不影响学习注意力和保证个人隐私信息安全的情况下,准确识别学习动作是监测在线教育质量的关键要素.对此,提出一种基于无源RFID的网络学习动作识别系统LD-identify.LD-identify仅通过射频信号完成学生动作识别,所以识别系统可以很好地保护个人的隐私信息,且避免设备昂贵等一系列问题.通过提取相位和信号强度的有效特征和深度学习算法,LD-identify能够获得很好的识别准确率的性能.实验表明,LD-identify只需要在帽子的背面粘贴两个射频标签,就能很好地识别出抬头低头、左右摇头、前倾后倾3种动作.为了进一步验证系统性能,研究6名志愿者在不同的场景中的动作识别的准确率,实验结果显示LD-identify能够在不同的场景下很好地识别所有用户的3种动作,利用卷积神经网络构建分类模型来识别动作可以取得很好的识别率,识别准确率达到95.5%以上.     

基于PDA的立方体全景图实时漫游

介绍了一种对立方体全景图进行实时交互浏览的基本重投影算法,并在此基础上提出一种基于PDA的立方体全景图实时浏览的改进算法。此改进算法只对关键点进行坐标变换,再把要显示的部分图像根据这些关键点进行变形,等效地完成对所有点的坐标变换,从而实现对立方体全景图的实时浏览。实验结果表明,该方法可以极大地提高浏览速度。     

不同坐标系下空间两球体关系的安全判定协议

如何将处于不同空间坐标系下的几何对象统一到相同空间坐标系下是合作过程中经常遇到的问题,为了保证双方安全与利益,合作双方都希望不泄露自身的私有输入信息。针对以上情况,首先提出并设计了隐私保护的不同空间坐标系下的两点距离计算协议,然后进一步设计了保护隐私的不同空间坐标系下两球体关系的判定协议,分析了协议的正确性、安全性和复杂性。在保护参与方私有输入信息的条件下,所设计的协议解决了不同空间坐标系下球体与球体之间的相对位置安全判定问题。     

两层传感器网络中隐私保护的等区间近似查询算法

隐私保护已经成为拓展无线传感器网络（WSN）应用的关键因素,是当前的研究热点。针对传感器网络中感知数据的安全性问题,提出了两层传感器网络中隐私保护的等区间近似查询（PEIAQ）算法。首先,将传感器节点编号及其采集的数据等信息隐藏在随机向量中;然后,基站根据接收到的向量信息构造线性方程组,从而得到包含全局统计信息的直方图;最后,根据直方图完成近似查询。此外,PEIAQ利用数据扰动技术和传感器节点与基站共享密钥的方式来对感知数据进行加密,保证了感知数据的隐私性。仿真实验显示,PEIAQ的通信量在查询阶段明显低于隐私保护通用近似查询（PGAQ）的通信量,约节省60%,因此,该PEIAQ具有低能耗、高效率等特点。