分布式系統(tǒng)中的數(shù)據(jù)采集與隱私保護機制研究.pdf

1、分布式系統(tǒng)是由多個功能相互獨立的計算資源通過網(wǎng)絡組成的計算機系統(tǒng)，能以彼此協(xié)作的方式對外提供服務。分布式系統(tǒng)具有良好的靈活性、可擴展性以及開放性，且能提供更好的性能價格比，因而得到了廣泛的研究和應用。分布式系統(tǒng)在基于數(shù)據(jù)即服務的模式下，需要先進行數(shù)據(jù)的采集。然而，在開放式、自組織的通信模式下，分布式節(jié)點的數(shù)據(jù)采集方式和效率影響著整個分布式系統(tǒng)的性能，而且數(shù)據(jù)采集之后的安全與隱私問題一直也是人們比較關注的問題，這些問題已成為分布式系統(tǒng)普及

2、和廣泛應用的主要障礙之一。文本以三種典型的分布式系統(tǒng)（兩層無線傳感器網(wǎng)絡——低能耗分布式系統(tǒng)、云計算平臺——高性能分布式系統(tǒng)、社交網(wǎng)絡——社交性分布式系統(tǒng)）為研究對象，圍繞分布式系統(tǒng)數(shù)據(jù)采集與隱私保護問題展開研究，提出了一系列的解決方案。本文的主要工作和創(chuàng)新點包括以下幾個部分:
　　(1)基于兩層無線傳感器網(wǎng)絡提出了一種動態(tài)的數(shù)據(jù)縮減機制。在無線傳感器網(wǎng)絡中，傳感器節(jié)點的能量是有限的。為了在節(jié)點采集到滿足特定精度要求的數(shù)據(jù)前提下，

3、盡可能的降低節(jié)點的能耗從而延長傳感器網(wǎng)絡的生存時間，本文設計了一種動態(tài)的三層數(shù)據(jù)縮減的框架(Three-level Data Reduction，DR3)。首先，為了節(jié)省整個傳感器網(wǎng)絡的能耗，本文將傳感器節(jié)點進行分組。在第一層的數(shù)據(jù)縮減機制中，為了實現(xiàn)節(jié)點組內(nèi)的數(shù)據(jù)縮減，本文提出了一種中心節(jié)點選擇算法和一個轉(zhuǎn)化模型，該模型可利用中心節(jié)點的讀數(shù)來近似整個傳感器節(jié)點組的讀數(shù)，從而避免了組內(nèi)節(jié)點冗余實時采樣。其次，為了降低中心節(jié)點的采樣率，在

4、第二層的數(shù)據(jù)縮減機制中，本文設計了一種利用節(jié)點的數(shù)據(jù)歷史來預測當前數(shù)據(jù)的預測模型。然后，在第三層的數(shù)據(jù)縮減機制中，為了減少節(jié)點間不必要的傳輸和數(shù)據(jù)采樣，本文提出可利用相關節(jié)點組的數(shù)據(jù)來近似本節(jié)點組的數(shù)據(jù)讀數(shù)的模型。三個不同層次的數(shù)據(jù)縮減方案是相互協(xié)作、相互影響的。在用戶預定義誤差范圍內(nèi)，三個不同層次的數(shù)據(jù)縮減機制可同時并行運行，以較小的計算和通信開銷完成數(shù)據(jù)的采集。接下來，本文給出了該框架的兩種實現(xiàn)方法，兩種不同的實現(xiàn)方法適用于不同的監(jiān)

5、測應用。最后，通過在真實數(shù)據(jù)集上進行大量的實驗，驗證了所提出的方案能滿足用戶的需求，且傳感器節(jié)點的能耗比較低。
　　(2)基于云服務模型，針對視頻監(jiān)控設備的計算和存儲能力有限的問題，提出了一種視頻監(jiān)控方案，即基于壓縮感知的視頻監(jiān)控方案。在長時間的視頻監(jiān)控應用中，在視頻采集設備的計算和存儲能力有限的環(huán)境下，為了向用戶提供更好的服務，視頻采集設備直接將采集到的視頻數(shù)據(jù)上傳到云端。視頻的數(shù)據(jù)分為關鍵幀和非關鍵幀。為了保護視頻數(shù)據(jù)的安全性

6、，該方案利用壓縮感知的降采樣和加密屬性提高了視頻編碼的效率并保證了視頻數(shù)據(jù)的安全性。其次，為了防止攻擊者發(fā)起已知明文攻擊，設計了一種動態(tài)測量矩陣來采樣視頻數(shù)據(jù)中的關鍵幀。只有授權(quán)的數(shù)據(jù)使用者才能恢復原始的視頻數(shù)據(jù)以做進一步的分析。此外，為了提高方案的性能，降低數(shù)據(jù)使用者的計算開銷，在不泄露視頻中用戶隱私的情況下，授權(quán)的數(shù)據(jù)使用者可以利用云計算平臺強大的計算能力來恢復視頻數(shù)據(jù)中的非關鍵幀。最后，相關分析和實驗結(jié)果驗證了所提出的方案能保證視

7、頻的安全性，且通信開銷較低。
　　(3)基于“誠實且好奇的”云服務器模型，研究社交網(wǎng)絡中的用戶關注度隱私保護問題，提出了一種基于效用的社交網(wǎng)絡用戶關注度匿名(Utility-based PopularityAnonymization，UPA)方案。在線社交網(wǎng)絡中的用戶被分為了追隨者和被追隨者。追隨者為了訪問、檢索某些被追隨者的私有數(shù)據(jù)，他必須關注特定的被追隨者。首先，為了保護用戶的真實關注度，基于k-匿名技術(shù)，提出了一種k-匿名關

8、注(k--anonymous Popularity-based Following，KPF)協(xié)議。其次，為了實現(xiàn)加密數(shù)據(jù)的細粒度訪問控制，設計了一種層次認證和能力授權(quán)模型?；谠撃Ｐ?，為了保證整個社交網(wǎng)絡的效用，如數(shù)據(jù)檢索、數(shù)據(jù)讀取和數(shù)據(jù)共享，提出了一種基于效用的交互(Fully Utility-based Interaction，F(xiàn)UI)協(xié)議。該協(xié)議能保證追隨者從服務器上安全的查詢被迫者的加密數(shù)據(jù)。最后，通過安全性分析以及在真實的社交

9、網(wǎng)絡數(shù)據(jù)集中上進行大量的實驗，證實了所提出方案，相比現(xiàn)有的工作，能保持社交網(wǎng)絡的效用，具有較低的計算開銷。
　　(4)針對基于位置服務的社交網(wǎng)絡中的位置隱私保護問題，提出了一種隱私保護的基于鄰近度的位置查詢(Privacy-preserving Proximity based Location Query,PPLQ)協(xié)議。首先系統(tǒng)將用戶的位置坐標劃分成兩部分，即原點位置坐標和偏移位置坐標。為了保護用戶的位置隱私，系統(tǒng)設計了一種基于

10、密文策略的屬性加密和對稱加密算法來分別加密用戶的原點位置和偏移位置。然后，為了同時實現(xiàn)多維關鍵字查詢和私有鄰近度檢測，系統(tǒng)在索引和查詢條件中使用多尺度技術(shù)來表示用戶的位置坐標和位置坐標范圍，并利用前綴編碼驗證和層次謂詞加密技術(shù)同時實現(xiàn)了隱私保護的多維關鍵字搜索和雙向的私有鄰近度檢測。該查詢協(xié)議能從服務器中有效的檢索出符合條件的發(fā)布者信息，且系統(tǒng)中的每個用戶都可以靈活的設置自己的位置策略并且可以為不同的查詢設置不同的位置策略。最后，對所提