（1）基于线性回归和概率转移攻击模型 根据寒地冬季环境用户移动的特点，建立基于两种或两种以上属性变量之间的相互依赖关系，根据这种依赖关系判断用户移动过程中所经过的路径，并依据这种经过路径建立回归方案和概率转移方案。此模型的创新之处是：①根据已掌握的位置或属性信息校对完成对用户移动类型和移动特色的分析，建立完整的用户移动位置轨迹，按照轨迹中敏感位置排列，进行线性回归分析用户的敏感情况获得敏感隐私；②对掌握的轨迹进行训练分析，从而可根据用户移动特征如车辆移动速度等，对用户尚未发生的位置偏移进行概率转移建模，从而利用先验和后验概率的极大似然估计判断用户的潜在偏移位置，获得用户隐私。上述创新之处首先在于将回归分析和概率转移应用在寒地冬季环境中，其次，上述两种分析方法能够有效的利用人工智能手段进行无监督学习，提升了攻击的准确程度。因此这两种攻击模型的建立能够为进一步研究隐私保护方案提供有效的理论支撑和可行性探索。 （2）基于同态加密的信息隐藏和广义差分隐私的信息混淆 同态加密手段是当前能够在密态环境下有效的处理信息运算的重要手段，利用同态加密技术可在完全密态的环境下完成对查询内容、查询位置的更新和属性信息的隐藏。而广义差分隐私是当前应对统计分析攻击者的最为有效的隐私保护手段，可通过位置或属性的不可区分降低攻击者成果分析获得用户隐私的概率。这两种隐私保护模型的创新之处在于：①利用同态加密手段结合用户协作隐私保护，在用户可关联属性泛化方面进行属性信息隐藏，一方面杜绝中心服务器对隐私信息的探测，另一方面防止协作用户通过交换手段获得用户隐私；②广义差分隐私在位置服务隐私保护方面的应用研究目前正处于发展阶段，如何降低噪声数量的添加数量，并且有效的防止在连续的移动过程中，尤其是寒地冬季移动缓慢、移动阻滞情况下统计特征的不可区分特性混淆是该研究的主要创新之处。 （3）多种查询的同态加密隐私保护技术 将用户协作与同态加密相结合需要经过多方安全计算以便完成用户敏感信息隐藏，由于寒地冬季步行用户数量的降低，使得可利用协作用户较为集中，但相似属性信息用户较难寻找，需要通过某种手段提升协作用户利用率。此技术的创新之处在于：①利用同态加密的多方安全计算方式寻找并推选可用于替代中心服务器的代理用户，且其竞标过程不会泄露任何用户信息；②降低多方安全计算处理轮次，在属性泛化过程中通过降低的计算轮次保障基于位置服务的实时特性。 （4）连续查询的广义差分隐私保护技术 在寒地冬季的连续移动过程中，用户的移动过程呈现缓慢的阻滞的移动特点，该特点可根据道路的实际路况对用户的位置进行分析。同时由于用户是向着敏感目标位置移动的，这一移动过程表现为用户的敏感程度表现为一种逐渐的上升状态，进而攻击者可分析获得用户的移动轨迹以及移动目标。基于广义差分隐私的敏感程度不可区分的创新之处在于：①通过利用诸如Voronoi单元格特性建立敏感程度变化的敏感等高线，利用敏感等高线准确的表示用户敏感程度变化；②通过添加满足ε不可区分模型的大量噪声或者位置偏移，实现用户敏感程度变化的不可区分，为差分隐私在基于位置服务隐私保护方面的应用提供有效的探索与实践。

佳木斯大学

该项目为储备库项目资源，暂无效益分析内容。