Resumen

En las plataformas de servicios basados en la localizacin (LBS), como Foursquare y Swarm, la posicin enviada para una accin o bsqueda conduce a la exposicin de las actividades de los usuarios. Adems, la vinculacin de cuentas entre plataformas podra agravar esta exposicin, ya que la fusin de la informacin de los usuarios puede potenciar los ataques de inferencia sobre la siguiente ubicacin enviada por los usuarios. Por lo tanto, en este artculo proponemos GLPP, un marco personalizado y continuo de preservacin de la privacidad de la localizacin en plataformas vinculadas a cuentas con diferentes LBS (es decir, LBS basadas en bsquedas y LBS basadas en compartir). El punto clave de GLPP es ofuscar cada ubicacin enviada en LBS basadas en bsquedas para defender los ataques dinmicos de inferencia. Concretamente, en primer lugar se enumeran los posibles ataques de inferencia mediante el anlisis del comportamiento del usuario. En segundo lugar, para cada ataque especfico, se propone un modelo de ofuscacin para minimizar la fuga de privacidad de la localizacin bajo una distorsin de localizacin dada, lo que garantiza la utilidad de las localizaciones enviadas para las LBS basadas en bsquedas. En tercer lugar, para los ataques dinmicos, se adopta un marco basado en el juego de suma cero para unir la ofuscacin especfica anterior y minimizar la fuga de privacidad de la ubicacin hasta un punto equilibrado. Los experimentos sobre conjuntos de datos reales demuestran la eficacia de nuestros ataques propuestos en, y y, mientras tanto, tambin muestran el rendimiento de nuestra solucin de preservacin en la defensa de los ataques y la garanta de la utilidad de localizacin.

• Materias:Cifrado de búsqueda Ataque criptográfico Seguridad en Internet
• Subjects:Search encryption Cryptographic attack Internet Security
• Palabras claves:Servicios basados en la localización; Marco de preservación de la privacidad; Ataques de inferencia; Modelo de ofuscación; LBS basados en búsquedas; Defensa de ataques.
• Keywords:Location-based services; Privacy-preserving framework; Inference attacks; Obfuscation model; Search-based LBSs; Defense of attacks