人本感知网络隐私保护基础机理与关键技术研究

As a new sensing paradigm, people-centric sensing networks has tremendous promising applications in a wide range of domains, including heath care, environmental monitoring, and so forth. Privacy preserving in people-centric sensing networks is a worldwide research focus since it is very fundamental and critical concern that gradually restricted the deployment and application of people-centric sensing networks. However, compared with traditional networks, people-centric sensing networks have some distinguishable and unique characteristics, such as participatory, opportunistic, social, and intelligence, leading it more difficult to provide privacy protection solutions for people-centric sensing. In this proposal, we focus on the fundamental mechanisms and key technologies for privacy preserving in the people-centric sensing networks. In the fundamental modeling concern of privacy preserving in people centric sensing, we will propose two novel models, including an evaluation model based on the metrics of quantum information entropy, and a heterogamous dynamic time varying topology model with multidimensional tags. In the concern of data access privacy preserving, we will propose a semantic level fine grained access control mechanism with the combination of trust and policy. In the concern of identity privacy, we will propose a hierarchical identity management scheme with multiple group support, and a novel context-based anonymous authentication scheme. In the concern of context privacy, we will focus on the multiple target optimization problem for mix-zone construction, and propose an incentive scheme based on multiple group gaming. This project will bring significant results in both fundamental mechanisms and key technologies for privacy preserving in the people-centric sensing networks. These research efforts from this project will provide some important fundamental theories and technical approaches for privacy preserving in people-centric sensing networks, and will be very beneficial to the urban scale deployment of people-centric sensing networks.

人本感知网是一种新兴的感知范式，在健康医疗、环境监测等领域有着广泛的应用价值。隐私保护是影响人本感知网部署应用的一个关键性基础问题，也是目前国际上研究的前沿焦点问题。人本感知网的参与性、机会性、智能性、社会性等鲜明特性，对其隐私保护机制的研究带来了严峻挑战。本项目将面向人本感知网隐私保护模型的构建问题，提出基于量子信息熵的隐私度量评估模型和多维属性标注的拓扑时变异构组网模型；在数据访问隐私方面，将提出结合信任与策略的语义级细粒度访问控制机制；在身份隐私保护方面，将提出基于层次化多群组的实体身份标识管理机制及全新的场景基身份匿名认证机制；在场景隐私方面，将研究面向mix-zone的多目标优化问题，设计多群组的博弈激励机制。项目将在人本感知网隐私保护的若干基础机理和关键技术上有所创新和突破，从而为人本感知网隐私保护机制研究提供必要的基础理论和技术手段，为人本感知网的大规模部署应用提供有力支撑。

作为一种新兴的网络范式，人本感知网在健康医疗、环境监测等领域有着广泛的应用价值。隐私保护是影响人本感知网部署应用的关键性基础问题。.项目针对人本感知网数据隐私、身份隐私和场景隐私问题开展了深入研究，取得了一系列研究成果：.（一）、在数据隐私保护方面，设计了面向数据访问传输过程的隐私保护机制PPSense和面向数据融合过程的隐私保护机制PDA。.PPSense是一种基于基站的轻量级属性基加密机制，以排除基系统EBS作为密钥管理基本框架，在密钥数量和密钥更新信息量中取得了较好平衡，有效降低节点资源消耗。同时，巧妙利用属性基加密机制设计了节点加入/退出时的组密钥安全更新机制，解决了传统机制难以抵抗合谋攻击的问题。理论分析和模拟实验表明，PPSense能兼顾高性能和高安全性需求；PDA通过同态加密算法在传感器节点端对感知数据进行预处理，并利用算法全同态特性在汇聚节点上有效实现了加密数据的融合操作处理，弥补现有机制支持融合操作数有限及安全性弱的不足。同时，PDA还充分利用秘密分享策略进一步提升数据融合隐私的可靠性；.（二）、在身份隐私保护方面，提出了属性基签名机制EPASS，采用属性树表示策略实现了丰富的策略表示和灵活的身份认证。EPASS巧妙地利用了用户签名仅揭示签名者是否具备满足策略属性而不泄露其身份标识符或属性具体信息的特性，通过形式化证明了属性-签名者隐私性。EPASS采用属性树表示策略，具备策略表示丰富(支持任何单调策略)、身份认证灵活等特性。在基于可计算性Diffie-Hellman难题下，EPASS具备不可伪造性，其扩展EPASS-A机制在标准可计算模型下可证明安全性。形式化证明和算法复杂性分析均表明EPASS在功能与性能方面都比现有机制具有显著优势。.（三、）在场景隐私保护方面，设计了支持用户自主决策的隐私保护机制SPS，利用层次分析及基于历史的统计学习支持用户自主决策。SPS结合地理位置语义属性对各隐匿空间划分不同敏感等级，有效弥补了隐匿空间技术对位置语义知识不敏感的不足；利用层次分析法得到敏感极限阈值，并利用统计学习理论得到最佳的隐匿空间划分方案。理论分析及实验结果表明，SPS机制能在合理的时空复杂度内实现对用户位置隐私语义攻击的有效保护。.项目在人本感知网隐私保护基础机理和关键技术上取得了一系列创新和突破，为人本感知网未来的大规模部署应用提供了有力支撑。

内容获取失败，请点击重试