[發(fā)明專利]抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910337032.3
• 申請(qǐng)日: 2019-04-25
• 公開（公告）號(hào): CN110138751B
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 趙萍;趙小薈;張光林;李德敏
• 申請(qǐng)（專利權(quán)）人: 東華大學(xué)
• 主分類號(hào): H04L29/06
• 分類號(hào): H04L29/06
• 代理公司: 上海泰能知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31233
• 代理人: 宋纓;錢文斌

1.一種抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理方法，其特征在于，包括以下步驟：

(1)接收車聯(lián)網(wǎng)用戶發(fā)送的位置數(shù)據(jù)；

(2)結(jié)合隨機(jī)步游和特征學(xué)習(xí)構(gòu)造用戶運(yùn)動(dòng)的外源特征；

(3)基于用戶運(yùn)動(dòng)的外源特征構(gòu)造推測(cè)社交圖；

(4)將所述推測(cè)社交圖與用戶的社交網(wǎng)絡(luò)圖進(jìn)行匹配，識(shí)別出有毒位置數(shù)據(jù)；具體為：首先分別在推測(cè)社交圖和社交網(wǎng)絡(luò)圖中選擇k個(gè)landmark節(jié)點(diǎn)，記為A_t＝{a₁,a₂,…,a_k}和A_s＝{a_1s,a_2s,…,a_ks}，任意一個(gè)節(jié)點(diǎn)n的距離向量為即節(jié)點(diǎn)n到k個(gè)landmark節(jié)點(diǎn)的最小跳數(shù)，任意兩個(gè)節(jié)點(diǎn)n_t∈A_T/A_t和n_s∈A_S/A_s之間增加一條邊的概率是其中，A_T和A_S分別是推測(cè)社交圖和社交網(wǎng)絡(luò)圖中的節(jié)點(diǎn)集合，匹配的目標(biāo)函數(shù)為尋找最佳的匹配，即最大化目標(biāo)函數(shù)，若最終沒有被匹配的節(jié)點(diǎn)，則認(rèn)為是有毒用戶，其數(shù)據(jù)為是有毒位置數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理方法，其特征在于，所述步驟(2)具體為：將所有用戶和其位置數(shù)據(jù)構(gòu)造成一個(gè)二分圖，采用隨機(jī)游走的方式在二分圖上為每個(gè)用戶產(chǎn)生α_w條隨機(jī)游走軌跡，每條隨機(jī)游走軌跡的長(zhǎng)度為l_w，并定義隨機(jī)游走的轉(zhuǎn)移概率，通過(guò)深度學(xué)習(xí)思想，結(jié)合隨機(jī)游走軌跡，學(xué)習(xí)每個(gè)用戶的運(yùn)動(dòng)特征，并將其映射為一個(gè)連續(xù)向量，最后輸出用戶的連續(xù)向量。

3.根據(jù)權(quán)利要求2所述的抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理方法，其特征在于，所述步驟(3)中通過(guò)比較任意兩個(gè)用戶的連續(xù)向量，并計(jì)算兩個(gè)用戶的連線向量的相似性，當(dāng)相似性大于閾值時(shí)，則認(rèn)為兩個(gè)用戶是朋友關(guān)系，并根據(jù)推測(cè)的朋友關(guān)系，構(gòu)造推測(cè)社交圖。

4.根據(jù)權(quán)利要求1所述的抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理方法，其特征在于，所述步驟(4)中用戶的社交網(wǎng)絡(luò)圖是根據(jù)社交網(wǎng)絡(luò)平臺(tái)發(fā)送的用戶社交網(wǎng)絡(luò)數(shù)據(jù)構(gòu)造得到的。

5.根據(jù)權(quán)利要求1所述的抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理方法，其特征在于，所述步驟(4)后還包括結(jié)合無(wú)噪差分隱私理論論證抵御技術(shù)的性能邊界的步驟。

6.一種抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理裝置，其特征在于，包括：數(shù)據(jù)接收模塊，用于接收車聯(lián)網(wǎng)用戶發(fā)送的位置數(shù)據(jù)；關(guān)系構(gòu)造模塊，結(jié)合隨機(jī)步游和特征學(xué)習(xí)構(gòu)造用戶運(yùn)動(dòng)的外源特征，并根據(jù)用戶運(yùn)動(dòng)的外源特征構(gòu)造推測(cè)社交圖；關(guān)系匹配模塊，用于將所述推測(cè)社交圖與用戶的社交網(wǎng)絡(luò)圖進(jìn)行匹配，識(shí)別出有毒位置數(shù)據(jù)，具體為：首先分別在推測(cè)社交圖和社交網(wǎng)絡(luò)圖中選擇k個(gè)landmark節(jié)點(diǎn)，記為A_t＝{a₁,a₂,…,a_k}和A_s＝{a_1s,a_2s,…,a_ks}，任意一個(gè)節(jié)點(diǎn)n的距離向量為即節(jié)點(diǎn)n到k個(gè)landmark節(jié)點(diǎn)的最小跳數(shù)，任意兩個(gè)節(jié)點(diǎn)n_t∈A_T/A_t和n_s∈A_S/A_s之間增加一條邊的概率是其中，A_T和A_S分別是推測(cè)社交圖和社交網(wǎng)絡(luò)圖中的節(jié)點(diǎn)集合，匹配的目標(biāo)函數(shù)為尋找最佳的匹配，即最大化目標(biāo)函數(shù)，若最終沒有被匹配的節(jié)點(diǎn)，則認(rèn)為是有毒用戶，其數(shù)據(jù)為是有毒位置數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的抵御位置數(shù)據(jù)中毒攻擊的車聯(lián)網(wǎng)位置數(shù)據(jù)處理裝置，其特征在于，還包括：請(qǐng)求和接收模塊，用于向社交網(wǎng)絡(luò)平臺(tái)發(fā)送社交網(wǎng)絡(luò)數(shù)據(jù)請(qǐng)求，并接收社交網(wǎng)絡(luò)平臺(tái)發(fā)送的用戶社交網(wǎng)絡(luò)數(shù)據(jù)。