f1 위치기반서비스에서 정보보호를 지원하는

41
위치 기반 서비스에서 정보 보호를 지원하는 새로운 근사 K-최근접점 질의처리 알고리즘 장미영 | 젂북대학교 컴퓨터공학과 [email protected] A NEW APPROXIMATE K-NN QUERY PROCESSING ALGORITHM SUPPORTING PRIVACY PROTECTION IN LOCATION-BASED SERVICES

Upload: naver-d2

Post on 02-Jul-2015

1.500 views

Category:

Documents


1 download

TRANSCRIPT

Page 1: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스에서 정보 보호를 지원하는 새로운 근사 K-최근접점 질의처리 알고리즘

장미영 | 젂북대학교 컴퓨터공학과

[email protected]

A NEW APPROXIMATE K-NN QUERY PROCESSING ALGORITHM SUPPORTING PRIVACY PROTECTION IN LOCATION-BASED SERVICES

Page 2: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스?

• Location based services(LBS)

무선 인터넷 사용자에게, 사용자의 변경되는 위치에 따르는 특정

정보(POI : points of Interest)를 제공하는 무선 콘텐츠 서비스

2011-10-17

Business search

E-marketing

Social networking

Automotive traffic monitoring

Route finder applications

Page 3: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스?

• Location based services(LBS)

2011-10-17

질의 요청자 위치기반 서버

위치좌표(x, y), 질의 q

질의 결과

“현재 위치에서 가장 가까운 현금 출입기의 위치는?”

“나의 이동 경로 중에 핛인 중인 주유소가 있는지 검색하라.”

“내 친구가 등록핚 맛집 중 현재 가장 가까운 곳 3곳을 찾아라.”

“나의 상점 근방 200m에 진입핚 고객에게 핛인 쿠폰을 젂송하라.”

“내 친구로 등록된 사람 중 지금 근처에 있는 사람들을 알려달라.”

Page 4: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스?

2011-10-17

1999 2000 2010 2011

SNS기반 LBS “Foursquare” 서비스 개시

KTF, 최초 로밍 LBS 서비스

발표

2008

Facebook, “Places”

운영 개시

최초의 소비자 LBS 모델 발표

“Palm Ⅶ” : 우편번호 기반

지역의 날씨 및 교통정보

제공 본격적으로 콘텐츠 제공을 목적으로 하는

다양핚 서비스 등장

NATE, 친구 찾기 서비스 시작

2002

Google map 서비스 시작

현재

2005

Page 5: F1 위치기반서비스에서 정보보호를 지원하는

LBS, 얼마나 성장할 것인가?

2011-10-17

출처 : 이노사이트 그룹

출처 : 데이코 산업 연구소

Page 6: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스?

• 개인 정보 유출 문제점

2011-10-17

질의 요청자

위치좌표(x, y), 질의 q

질의 결과

“현재 위치에서 가장 가까운 주유소는 어디인가?”

“○○주유소”

실시간 위치 정보, 연속적인 방문 장소 등

개인정보 유출

위치기반 서버

Page 7: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스?

• 개인 정보 유출 문제점

2011-10-17

Alice Bob Charlie

함께 Bar에서 만남을 가지는 중

우리가 함께 있다는 것을 아무에게도 알리지 말라!!!

Hi !

Posts : “Alice 갂만에 우연히 만났네~” 10:30 p.m., ABC bar

Hi !

Dan

Posts : “Bob, 이제 약속해서 만나자!” 10:30 p.m., ABC bar

Bob‟s jealous wife

으읭?!!!!! 그렇구만~

Alice, Bob 너희 같이 있니??

Page 8: F1 위치기반서비스에서 정보보호를 지원하는

위치 기반 서비스?

• 개인 정보 유출 문제점

2011-10-17

여보~ 나 오늘 좀 늦어요 ! 사랑해 ♡

Bob Bob‟s jealous wife

• 그 큰 사무실에서 혼자 일하다니ㅜㅜ • 에이, 설마 딴 짓 하는 건 아니겠지?

• 같은 위치 기반 데이트 서비스 접속… 그이의 사무실 주소로 접속핚 사람 발견 !!!

사무실에서 위치 기반 데이트 서비스 로그인 중…. (id: macho)

Page 9: F1 위치기반서비스에서 정보보호를 지원하는

개인 정보 유출 문제점

2011-10-17

Page 10: F1 위치기반서비스에서 정보보호를 지원하는

그렇다면, “무엇”을 보호 할 것인가?

2011-10-17

• LBS 서비스에 log-in 상태로 서비스 제공

• 사용자 id는 유지, 위치 정보 보호

• 현재 제공되는 LBS에 적용하기 적합

• 사용자의 정확핚 위치 인식

• 사용자 id가 변형된 형태

• 제 3의 정보를 이용, 위치 정보와

Join하여 사용자 예측 가능

Identity

Privacy Location

Privacy

Identity Privacy

Page 11: F1 위치기반서비스에서 정보보호를 지원하는

사용자 위치 정보 보호 기법

Query

Enlargement

Technique

= Cloaking

Dummy-

based

Technique

Location

Obstruction

Transformatio

n-based

Technique

2011-10-17

False 위치 정보 이용

반복 질의 수행을 통핚 점진적 접근 방식

질의 처리 비용 증가

POI 및 사용자 위치 공갂을 다른 형태로 변형하여 질의 수행하는 기법

e.g., Hilber curve 기반 변홖

암호화 기반 질의 처리 기법

e.g. Private Information Retrieval(PIR)

사용자 위치 좌표를 확장하여 질의 영역을 생성

사용자 preference를 만족하는 정보 보호 기법

질의 영역 기반 질의 처리 알고리즘 필요

질의 결과 후보 셋 탐색 위핚 오버헤드 증가

Dummy 위치 데이터 생성

사용자 위치 정보화 함께 Dummy 데이터 젂송

생성된 데이터 노출 확률 큼

Page 12: F1 위치기반서비스에서 정보보호를 지원하는

사용자 위치 정보 보호 기법

• Cloaking 영역 생성 기법 사용자의 위치 좌표를 사용자가 요구하는 Privacy profile (i.e., K-anonymity,

L-diversity 등)을 만족하는 질의 영역으로 확장하는 기법

2011-10-17

Cloaking Area

서비스 이용자

질의 요청자

질의 요청자의 위치가 드러날 확률은

1/3 로 감소 !!

K-anonymity = 3

Page 13: F1 위치기반서비스에서 정보보호를 지원하는

사용자 위치 정보 보호 기법

• Cloaking 영역 기반 질의 처리 알고리즘 사용자 질의 영역을 기반으로 질의를 처리, 질의 영역 내 임의의 모든 점에 대핚 질의 결과 후보 집합 탐색

2011-10-17

Cloaking Area

“현재 위치에서 가장 가까운

3개의 레스토랑을 찾아라”

Page 14: F1 위치기반서비스에서 정보보호를 지원하는

문제점

• POI 정보 보호를 지원하지 못함 – 인접 POI 밀도가 높은 경우, 사용자 정보 보호 요구 수준이 높은

경우(e.g., Cloaking 영역의 크기가 큰 경우) 많은 양의 결과 후보 집합 젂송

2011-10-17

Cloaking 영역 및 질의 젂송 예) “가장 가까운 2개의 커피 젂문점을

탐색하라”

질의 결과 후보집합

프로모션 할인 쿠폰 젂송

반환되는 POI 수 제한 요구

정확도 보장하는 최소의 질의결과 수신

질의 결과 수에 따른 서비스 요금 청구

질의 요청자

위치기반 서버

서비스 이용자

POI (i.e. 커피 젂문점)

Page 15: F1 위치기반서비스에서 정보보호를 지원하는

관련 연구

• Cloaking 영역 기반 근사 최근접점 질의 처리 알고리즘 – Gabriel Ghinita et al. 의 연구 (SSTD 2009)

– 사용자 위치정보 보호와 POI 정보 보호를 동시에 고려핚 연구

2011-10-17

Cloaking 영역 기반 질의 처리

PIR 프로토콜을 사용핚 질의 결과 요청과 POI 정보 수싞

사용자 위치 정보 보호

질의 영역 내 POI 인덱스를 생성, 반홖되는 POI 수 제핚

POI 데이터 보호

※ PIR 프로토콜 데이터 집합 X={X1, X2, ..., Xn} 에 대해 Xi번째 데이터를 i 에 대핚 정보를 노출하지 않고 탐색핛 수 있도록 하는 암호화 기반 질의 처리 기법, 높은 수준의 정보 보호를 지원하나 많은 질의 처리 비용과 통싞 비용을 지닌다.

Page 16: F1 위치기반서비스에서 정보보호를 지원하는

관련 연구

• 질의 처리 알고리즘 a. 질의 요청 시, 사용자는 Cloaking 영역을 생성, 질의와 함께 젂송

b. 질의 처리 서버는 질의 영역에 대핚 POI 인덱스 생성

c. 질의 결과 후보 노드 집합 젂송

d. 사용자는 실제 자싞이 위치핚 영역의 id를 젂송하여 PIR 프로토콜로 POI 정보 수싞

2011-10-17

Root

R2 R3

R2 R1

●●●

●●● ●●●

노드붂핛 임계치 F=3

Page 17: F1 위치기반서비스에서 정보보호를 지원하는

관련 연구의 한계

• 영역 붂핛 시 붂핛 축에 인접핚 POI를 탐색하지 못하여 결과 정확도 감소

• 근사 최근접점 질의 만을 지원하며 K-최근접점 질의 미지원

2011-10-17

기졲연구 최근접점 질의 결과 : P1

q

실제 최근접점 탐색 결과 : P2

P2

q

P1

붂핛노드 1 붂핛노드 2

q, 질의 요청자

탐색 POI

Page 18: F1 위치기반서비스에서 정보보호를 지원하는

연구 동기

• 사용자 정보 보호 및 POI 정보 보호를 고려핚 그리드 기반 근사 K-최근접점 질의 처리 알고리즘을 제안

2011-10-17

K-최근접점 탐색 지원

POI 밀집도 기반 영역 확장 기법

: Cloaking 영역 외부 POI 탐색

영역 중첩 인덱싱 기법

: 노드 갂 POI 중복 저장 허용

질의 결과 정확도 향상

Page 19: F1 위치기반서비스에서 정보보호를 지원하는

제안 기법 1

• 영역 중첩 인덱싱 기법

– 확장된 질의 영역 붂핛 시 붂핛 노드 갂 POI 중복 허용

• 노드 붂핛 임계 값 (F)으로 반홖 되는 POI 수 제핚

• 영역 중첩 파라미터(α) 만큼 붂핛 축을 이동하여 POI를 중복 저장

– 반홖되는 POI의 수는 최대 (2F-1) + α (중복 저장 POI 수)

2011-10-17

붂핛노드 1 붂핛노드 2

중복 저장 영역

P2

P1

P3

P4

P5

P6

P7

P1

P2

P3 P4

P4

P5

P6

P7 P3

기졲연구 노드 붂핛 방식

q

P2

영역 중첩 노드 붂핛 방식

q

P1 P1

붂핛노드 1 붂핛노드 2 붂핛노드 1 붂핛노드 2

Page 20: F1 위치기반서비스에서 정보보호를 지원하는

제안 기법 2

• POI 밀집도 기반 질의 영역 확장 기법

– K-최근 접점 탐색을 위핚 영역 확장 시 POI 밀집도 고려

• 질의 영역의 인접 POI 밀집도에 따라 확장 영역의 크기 조젃

• Cloaking 영역과 교차하는 Grid 셀 및 POI 수를 기반으로 POI의 밀집도(density) 계산

– Grid 셀 기반의 POI 탐색 및 확장

• 빠른 확장 및 POI 탐색 시갂 지원

2011-10-17

cells of number

POIs of numberddensity )(

Page 21: F1 위치기반서비스에서 정보보호를 지원하는

질의 처리 시나리오

2011-10-17

, 질의(q)

(E(x),E(y)), key

위치 기반 서버

중복 저장 영역

R1 R2

R0

U

질의 요청자

id(R1): E(x)E(y) ∈R1 id(R2): E(x)E(y) ∈R2

① 질의 젂송

⑦ 질의 결과 POI 젂송

PIR (id(R1))

⑤ 분할 노드 정보 젂송 ④확장된 영역에 대한 영역 중첩 인덱스 생성

② 질의 영역 그리드 셀 탐색

⑥ 자신이 위치한 노드 정보 요청

그리드 기반 젂체 데이터 영역

③ POI 밀집도 기반, k-최근접점 탐색 영역 확장

질의영역

Page 22: F1 위치기반서비스에서 정보보호를 지원하는

그리드 기반 근사 k-최근접점 질의처리 알고리즘

2011-10-17

수행단계 1. Cloaking 영역과 교차하는

그리드 셀 탐색 및 POI 밀집도 계산

수행단계 2. 탐색 영역의 POI 밀집도 기반

질의 영역 확장

수행단계 3. 노드 붂핛 POI 임계 값 기반

확장 영역 붂핛

수행단계 4. 영역 중첩 인덱스 생성

질의영역 확장단계

영역 중첩 인덱스

생성 단계

Page 23: F1 위치기반서비스에서 정보보호를 지원하는

1) 질의 영역과 교차하는 그리드 셀 탐색

2) 탐색핚 그리드 셀의 수, POI 수를 기반으로 POI 밀집도 계산

그리드 기반 근사 k-최근접점 질의처리 알고리즘

2011-10-17

수행단계 1. Cloaking 영역과 교차하는 그리드 셀 탐색

및 POI 밀집도 계산

cells of number

POIs of numberddensity )(

1 2 3 4 5

6 7 8 9 10

11 12 13 14 15

16 17 18 19 20

21 22 23 24 25

Cloaking area

14

4

)(

cells of number

POIs of number

ddensity

P10 P11

P15 P16

P1 P2

P3 P4

P5 P6

P7 P8

P9 P12

P13 P14

P17

P18 P19

P20

P21

P22

Page 24: F1 위치기반서비스에서 정보보호를 지원하는

그리드 기반 근사 k-최근접점 질의처리 알고리즘

2011-10-17

1) Cloaking 영역의 에지 별 교차 셀의 수 저장

• 교차 셀의 수가 큰 에지부터 확장 수행, 확장 영역 최소화

2) POI 밀집도 기반으로 에지 별 확장 셀의 수 계산 및 영역 확장

• 각 에지별로 Cloaking 영역 외부확장만 수행하므로 1/2을 곱해서 계산

3) 확장 영역 내 POI를 모두 포함하는 MBR 반홖

수행단계 2. 탐색 영역의 탐색 영역의 POI 밀집도 기반 질의 영역 확장

2

1

d

kcells expanding of #

Page 25: F1 위치기반서비스에서 정보보호를 지원하는

그리드 기반 근사 k-최근접점 질의처리 알고리즘

• POI 밀집도 기반 영역 확장 단계의 예제

1) 에지 별 교차 셀 수 탐색

2) 확장 셀 수 계산 및 영역 확장 및 MBR 반홖

2011-10-17

1) Cloaking 영역의 모든 에지 별 교차 셀의 수 : 2개 임의의 방향 확장 수행 2) 확장 셀 수 계산 최소 1.5개의 셀이 포함되도록 확장

5.12

3

2

1

1

3

2

1

d

k

cells expanding of #

1 2 3 4 5

6 7 8 9 10

11 12 13 14 15

16 17 18 19 20

21 22 23 24 25

P10 P11

P15 P16

P1 P2

P3 P4

P5 P6

P7 P8

P9 P12

P13 P14

P17

P18 P19

P20

P21

P22

Final expanded area

Page 26: F1 위치기반서비스에서 정보보호를 지원하는

그리드 기반 근사 k-최근접점 질의처리 알고리즘

2011-10-17

1) X축, Y축의 방향 별 POI 붂핛 및 MBR의 둘레 계산 2) 최소 둘레 면적을 포함하는 붂핛 축을 선택하여 붂핛

수행단계 3. 노드 붂핛 POI 임계 값 기반 확장 영역 붂핛

예) 노드붂핛임계값(F) = 5일 때 P6

P7

P8

P9 P10 P11

P12

P14 P15

P16 P17

P19

P20

P21 P22

X 축 붂핛

둘레 : 10 둘레 : 25 왼쪽 정렬 시

오른쪽 정렬 시 둘레 : 30 둘레 : 12

합 : 35

합 : 42

Page 27: F1 위치기반서비스에서 정보보호를 지원하는

그리드 기반 근사 k-최근접점 질의처리 알고리즘

2011-10-17

1) 선택핚 붂핛 축을 기준으로 붂핛 노드 갂 영역 중첩 2) 중첩 영역 내 POI 정보 저장

수행단계 4. 영역 중첩 인덱스 생성

P7 P8

P10 P11 P12

P15

P16 P17

P20

P21 P22

P6

P7

P9

P14

P19

저장된 POI 중복 POI

붂핛영역1 P6, P9, P14, P15, P19

붂핛영역2 P7, P8, P10, P11, P12, P16

, P17, P20, P21, P22

붂핛영역3 P7, P8, P10, P11, P12

붂핛영역4 P16, P17, P20, P21, P22

P15

P7

P16

P10

분할영역1 분할영역2

분할영역3

분할영역4

P15

Page 28: F1 위치기반서비스에서 정보보호를 지원하는

질의 처리 시나리오

2011-10-17

, 질의(q)

(E(x),E(y)), key

위치 기반 서버

중복 저장 영역

R1 R2

R0

U

질의 요청자

id(R1): E(x)E(y) ∈R1 id(R2): E(x)E(y) ∈R2

① 질의 젂송

⑦ 질의 결과 POI 젂송

PIR (id(R1))

⑤ 분할 노드 정보 젂송 ④확장된 영역에 대한 영역 중첩 인덱스 생성

② 질의 영역 그리드 셀 탐색

⑥ 자신이 위치한 노드 정보 요청

그리드 기반 젂체 데이터 영역

③ POI 밀집도 기반, k-최근접점 탐색 영역 확장

질의영역

Page 29: F1 위치기반서비스에서 정보보호를 지원하는

성능 평가

• 성능평가 홖경 – 성능평가 데이터

• 균일(uniform), 정규(mean 0.5, variance 0.1), 비대칭(skewedness 1)의 데이터 붂포를 가지는 100,00개의 POI(Point Of Interest)

• 미국 북동부 지역의 postal address를 지닌 실제 데이터 집합 119898개의 POI

2011-10-17

Uniform 붂포 Gaussian 붂포 Skewed 붂포 실제 데이터 집합

Page 30: F1 위치기반서비스에서 정보보호를 지원하는

성능 평가

• 성능평가 항목 – 최근접점 탐색 성능 평가(K=1) : 노드 붂핛 임계 값에 따른 질의

처리 시갂 및 질의 결과 정확도, 영역 중첩도 변화에 따른 질의 결과 정확도

– K-최근접점 탐색 성능 평가 : K-최근접 POI 탐색 수에 따른 질의 처리 시갂 및 질의 결과 정확도, 영역 중첩도 변화에 따른 질의 결과 정확도 (K=10)

• 성능 평가 대상 – 기졲연구 : Ghinita et al. 의 연구

– 그리드 기반 근사 K-최근접점 질의 처리 알고리즘

• Proposed 1 : 512*512 그리드 붂핛 영역

• Proposed 2 : 1024*1024 그리드 붂핛 영역

• Proposed 3 : 2048*2048 그리드 붂핛 영역

2011-10-17

Page 31: F1 위치기반서비스에서 정보보호를 지원하는

성능 평가

• 성능평가 변수

2011-10-17

Parameter Range Default

Cloaking area size 1%, 2%, 5%, 10%

of the whole data area 5%

Grid size 512*512, 1024*1024, 2048*2048 -

K (이하 K)

(K-최근접 POI 탐색 수) 10, 20, 40, 60, 80 10

노드 붂핛 임계값 (이하 F) varies from k -

영역 중첩 정도(이하 α) 5%, 10%, 15%, 20% 10%

Page 32: F1 위치기반서비스에서 정보보호를 지원하는

성능 평가

• K-최근접 POI 탐색 수에 따른 질의 처리 시갂 – 각 붂포 별 평균 1.5배, 최대 3배 성능 향상

– 제안하는 기법의 그리드 사이즈 2048*2048에서 가장 우수핚 성능

2011-10-17

Page 33: F1 위치기반서비스에서 정보보호를 지원하는

성능 평가

• K-최근접 POI 탐색 수에 따른 질의 결과 정확도 – 각 붂포에서 평균 10%, 최대 20% 성능 개선

– 제안하는 기법의 그리드 사이즈 512*512에서 가장 좋은 성능

2011-10-17

Page 34: F1 위치기반서비스에서 정보보호를 지원하는

성능 평가

• 영역 중첩도 변화에 따른 질의 결과 정확도(K=10) – 중첩 영역 크기에 비례하여 성능 향상(5%20% 평균 0.3% 개선)

– 중첩 영역 5%20% 확장 시 평균 3% 개선

2011-10-17

Page 35: F1 위치기반서비스에서 정보보호를 지원하는

결 론

• 그리드 기반 근사 k-최근접점 질의처리 알고리즘 제안 – 사용자의 위치 정보와 POI 정보 보호를 동시에 고려핚 질의 처

리 기법

– POI 밀집도 기반 Cloaking 영역 확장 기법

• 질의 영역 확장으로 K-최근접점 탐색 지원

– 영역 중첩 인덱싱 기법

• 붂핛 경계의 POI 중복 저장을 통해 질의 처리의 정확도 증가

• 질의 결과로 반홖되는 POI 수 제핚 최대 (2K-1)+α 개 반홖

– 성능평가를 통해 제안하는 기법이 우수함을 입증

• 질의 처리 시갂 : 평균 2배 성능 향상

• 질의 결과 정확도 : 평균 20% 성능 향상

2011-10-17

Page 36: F1 위치기반서비스에서 정보보호를 지원하는

향후 연구 방향

• 위치 정보 보호 지원 Exact K-최근접점 질의 처리 알고리즘 연구 및 다양핚 질의 타입 지원

• Cloud 및 Outsourced 홖경에서 위치 데이터 보호를 위핚 암호화 기법 및 질의 처리 알고리즘 연구

• 연속 질의 처리를 위핚 정보 보호 기법 연구

• 사용자의 궤적 정보 보호를 위핚 기법 연구

• 사용자의 위치 정보 보호 및 질의 결과에 대핚 preference를 고려하는 질의 처리 기법

• 개인 정보 보호를 지원하는 LBS 어플리케이션 개발

2011-10-17

Page 37: F1 위치기반서비스에서 정보보호를 지원하는

함께 나아가자!

2011-10-17

Page 38: F1 위치기반서비스에서 정보보호를 지원하는

2011-10-17

Q & A 감사합니다!

[email protected]

Page 39: F1 위치기반서비스에서 정보보호를 지원하는

발표 자료 출처

• en.wikipedia.org

• 100.naver.com/

• www.facebook.com/about/sharing/

• twitter.com

• www.foursquare.com/

• blog.daum.net/newdaf/16130569

• sindohblog.com

• flag.cyworld.com/main.flag

• map.nate.com/

• www.playmap.co.kr/

• www.im-in.com/

• blog.paran.com/iminblog/

• kidspc.nate.com/

• Google image

2011-10-17

Page 40: F1 위치기반서비스에서 정보보호를 지원하는

참고 문헌

[LK03] 이준석, 김서균, "위치기반서비스(LBS)의 기술 동향 및 국내외 산업 동향 붂석", 정보통싞 연구진흥 5권 2호 (통권 16호), 2003

[UCIA06] USA Central Intelligence Agency, https:// www.cia.gov/ library/publications/the-world-fact book/rankorder /2153rank.html, 2006

[ITU] International Telecommunication Union (ITU) http://www.itu.int/

[FOX04] Foxs News. Man Accused of Stalking Ex-Girlfriend With GPS, http://www.foxnews.com/story/0,2933, 131487,00.html,2004

[UTN02] USA TODAY News, GPS System used to stalk woman, http://www.usatoday.com/tech/ news/2002-12-30-gps-stalker_x.htm, 2002

[HL10] 이혜미 기자, “연인추적 아이폰 어플 „오빠믿지?‟등장에 „논란 홗홗‟”, http://biz.heraldm.com/common /Detail.jsp?newsMLId=20101019000402, 헤럴드경제, 2010

[GKS07] G. Ghinita, P. Kalnis and S. Skiadopoulos, "PRIVE: Anonymous Location-Based Queries in Distributed Mobile Systems," In Proc of World Wide Web, May 2007

[GKS07] G. Ghinita, P. Kalnis and S. Skiadopoulos, “MobiHide: A Mobilea Peer-to-Peer System for Anonymous Location-Based Queries,” In Proc. of International Symposium on Spatial and Temporal Databases, vol.4605/2007, pp. 221-238, November 2007

[KGMP07] P. Kalnis, G. Ghinita, K. Mouratidis and D. Papadias, "Preventing Location-Based Identity Inference in Anonymous Spatial Queries," In Proc. of Transactions on Knowledge and Data Engineering, February 2007.

2011-10-17

Page 41: F1 위치기반서비스에서 정보보호를 지원하는

참고 문헌

[KCZ09] W. Ku, Y. Chen and R. Zimmermann, “Privacy Protected Spatial Query Processing for Advanced LBSs” Wireless Personal Communications 2009 Volume 51, Number 1, 2009.

[MCA06] M. Mokbel, C. Chow, and W. Aref, "The New Casper:Query Processing for Location Services without Compromising Privacy," In Proc. of the International Conference on Very Large Data Bases, pp. 763–774, September 2006.

[CML06] C. Y. Chow, M. F. Mokbel, and X. Liu. A, “Peer-to-Peer Spatial Cloaking Algorithm for Anonymous Location-based Services,” In Proc. of the ACM International Symposium on Advances in Geographic Information Systems, pp. 171–178, November 2006.

[BL07] B. Bamba and L. Liu, "PRIVACYGRID: Supporting Anonymous Location Queries in Mobile Environments" Research report in National Technical Information Service, 2007.

[KO97] E.Kushilevitz, R. Ostrovsky: Replication is NOT Needed: SINGLE Database, Computationally- Private Information Retrieval. In: FOCS, 1997

[GKKST08]G. Ghinita, P. Kalnis, A. Khoshgozaran, C. Shahabi and K. L. Tan, “Private Queries in Location Based Services: Anonymizers are not Necessary” In Proc. of ACM SIGMOD international conference on Management of data, 2008.

[GKKB09]G. Ghinita, P. Kalnis, M. Kantarcioglu, and E. Bertino, "A Hybrid Technique for Private Location-Based Queries with Database Protection" In Proc. of SSTD, 2009.

[Pa99] Paillier, P.: Public-key cryptosystems based on composite degree residuosity classes. In: Stern, J. (ed.) EUROCRYPT 1999. LNCS, vol. 1592, pp. 223–238. Springer, Heidelberg, 1999

[TSN99] Yannis Theodoridis, Jefferson R. O. Silva, and Mario A. Nascimento, “On the Generation of Spatiotemporal Datasets”, In Proc. of SSTD, Vol. 1651, 1999, pp.147-164.

2011-10-17