دانلود مقاله طرح های تشخیصی مجاورت حفظ حریم خصوصی و کارایی برای برنامه های اجتماعی
چکیده
با همه گیر شدن پایانه های تلفن همراه مبتنی بر مکان و محبوبیت برنامه های اجتماعی، سرویس شبکه یابی اجتماعی مبتنی بر مکان (LBSNS) راحتی زیادی را برای زندگی افراد به ارمغان آورده است. در ضمن، تشخیص مجاورتی که سرویس شبکه یابی اجتماعی مبتنی بر مکان را انعطاف پذیرتر می کند، نگرانی گسترده ای را به ارمغان آورده است. با این حال، پیشرفت سرویس شبکه یابی اجتماعی مبتنی بر مکان (LBSNS) با در نظر گرفتن حریم خصوصی موقعیت کاربران و امنیت داده ها، هنوز هم با چالش های بسیار شدیدی روبرو است. در این مقاله، ما دو طرح تشخیص مجاورتی حفظ حریم خصوصی و کارایی، یعنی AGRQ-P و AGRQ-C را برای کاربرد های اجتماعی مبتنی بر مکان پیشنهاد می کنیم. با طرح های پیشنهادی، یک کاربر می تواند هر ناحیه را بر روی نقشه انتخاب کند، و پرس و جو کند که آیا دوستانش در آن ناحیه بدون تقسیم اطلاعات کوئری به دو سرور برنامه اجتماعی و کاربران دیگر هستند یا خیر، در عین حال، مکانهای دقیق دوستانش برای سرورها و کاربر کوئری محرمانه هستند. مخصوصا، با الگوریتم های مبتنی بر متن رمزنگاری شده کوئری محدوده هندسی، کوئری کاربران و اطلاعات مکانی در متن رمزنگاری شده کلاینت پنهان می شود. تحلیل دقیق امنیتی نشان می دهد که تهدیدات امنیتی مختلف را می توان حفظ کرد. علاوه بر این، طرح های پیشنهادی در یک IM APP با یک مجموعه داده واقعی LBS اجرا می شوند، و نتایج شبیه سازی گسترده در سراسر تلفن های هوشمند نشان می دهند که AGRQ-P و AGRQ-C بسیار حساس هستند و می توانند به صورت موثری اجرا شوند.
I. مقدمه
در سالهای اخیر، سرویس مبتنی بر مکان (LBS)، یک سرویس عمومی برای دستگاه های تلفن همراه [1]-[4] برای حوزه های زیادی مانند برنامه های اجتماعی، سرویس های مالی، حمل و نقل، گردشگری، مراقبت های بهداشتی، خودکارسازی و غیره استفاده شده است [5]. با توسعه برنامه های اجتماعی، سرویس شبکه یابی اجتماعی مبتنی بر مکان (LBSNS) توجه بسیاری را جلب کرده است. در عین حال، بعنوان یک تابع مبتنی بر موقعیت سطح بالا، تشخیص مجاورتی به کاربران این امکان را می دهد تا محدوده هندسی مشخص (مانند مثلث، دایره، مستطیل) بر روی نقشه را انتخاب کنند و پرس و جو کنند که کدام دوستان او در این ناحیه هستند، همانطور که در شکل 1 نشان داده شد. تشخیص مجاورتی با کوئری محدوده هندسی یکی از محبوب ترین ویژگی های LBSNS بوده است [6]-[8].
VIII. نتیجه گیری
در این مقاله، ما دو طرح ایمن، کارا، و تشخیص مجاورتی حفظ حریم خصوصی را برای برنامه های اجتماعی یعنی AGRQ-P و AGRQ-C مطرح کرده ایم، که روشهای جدیدی را برای کوئری محدوده دلخواه هندسی با نقطه پروتکل محاسبه شباهت کسینوسی حفظ حریم خصوصی در استراتژی های چند ضلعی مطرح کردند. طرح های پیشنهادی می توانند نتایج تشخیص مجاورتی دقیقی بدون فاش کردن کوئری یک کاربر و اطلاعات مکانی دقیق در مورد سرورهای برنامه اجتماعی و کاربران دیگر ارائه کنند. تحلیل امنیتی دقیق، قدرت امنیتی آنها و توانایی حفظ حریم خصوصی را نشان می دهد، و تجربیات گسترده ای انجام می شوند تا کارایی آنها را نشان دهند.
Abstract
With the pervasiveness of location-aware mobile terminals and the popularity of social applications, location-based social networking service (LBSNS) has brought great convenience to people's life. Meanwhile, proximity detection, which makes LBSNS more flexible, has aroused widespread concern. However, the prosperity of LBSNS still faces many severe challenges on account of users' location privacy and data security. In this paper, we propose two efficient and privacy-preserving proximity detection schemes, named arbitrary geometric range query for polygons (AGRQ-P) and arbitrary geometric range query for circles (AGRQ-C), for location-based social applications. With proposed schemes, a user can choose any area on the map, and query whether her/his friends are within the region without divulging the query information to both social application servers and other users, meanwhile, the accurate locations of her/his friends are also confidential for the servers and the query user. Specifically, with algorithms based on ciphertext of geometric range query, users' query and location information is blurred into ciphertext in client, thus no one but the user knows her/his own sensitive information. Detailed security analysis shows that various security threats can be defended. In addition, the proposed schemes are implemented in an IM APP with a real LBS dataset, and extensive simulation results over smart phones further demonstrate that AGRQ-P and AGRQ-C are highly efficient and can be implemented effectively.
I. Introduction
IN recent years, location-based service (LBS), a general service for mobile devices [1]–[4], has been applied to many areas such as social applications, financial services, transportation, tourism, healthcare, automation and so on [5]. With the development of social applications, location-based social networking service (LBSNS) has attracted considerable interest. Meanwhile, as a high level location based function, proximity detection allows users to choose specified geometric range (such as triangles, circles, rectangles) on the map and query which friends of her/his are in the region, as shown in Fig.1. Proximity detection with geometric range query has been one of the most popular features of LBSNS [6]–[8].
VIII. Conclusion
In this paper, we have proposed two secure, efficient, and privacy-preserving proximity detection schemes for social applications, called AGRQ-P and AGRQ-C, which proposed new methods for arbitrary geometric range query with improved privacy-preserving cosine similarity computing protocol and point in polygon strategies. The proposed schemes can provide accurate proximity detection results without divulging a user’s query and accurate location information to both social application servers and other users. Detailed security analysis shows their security strength and privacy-preserving ability, and extensive experiments are conducted to demonstrate their efficiencies.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
I. مقدمه
II. مدلها و هدف طراحی
III. مقدمات
IV. طرح های فرضی حفظ حریم خصوصی
V. تحلیل امنیتی
VI. ارزیابی عملکرد
VII.مطالعات مرتبط
VIII. نتیجه گیری
منابع
Abstract
I. Introduction
II. Models and Design Goal
III. Preliminaries
IV. Proposed Privacy-preserving Schemes
V. Security Analysis
VI. Performance Evaluation
VII. Related Work
VIII. Conclusion
References
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه