物聯(lián)網(wǎng)信息安全概述(ppt87頁(yè))-免費(fèi)閱讀
【正文】 全同態(tài)加密算法是指可以進(jìn)行無(wú)限次的所有運(yùn)算 。當(dāng)被授權(quán)的使用者想要調(diào)回?cái)?shù)據(jù)（文檔）時(shí)，先對(duì)關(guān)鍵字進(jìn)行加密，再上傳至云端，在云端服務(wù)器進(jìn)行處理后，選出需要的數(shù)據(jù)，返回給被授權(quán)的使用者 。 外部攻擊者可通過(guò)觀察用戶發(fā)出的請(qǐng)求，從而獲得用戶的習(xí)慣、目的等隱私信息。如加油站、旅館（ 2）隱私位置數(shù)據(jù)。 49 物聯(lián)網(wǎng)中 LBS的隱私泄露 位置隱私泄露 ?位置，包括用戶過(guò)去和現(xiàn)在的位置 查詢隱私泄露 ?查詢內(nèi)容，例如，查詢離我最近的腫瘤治療醫(yī)院 軌跡隱私泄露 ?對(duì)軌跡數(shù)據(jù)的攻擊性推理和計(jì)算可以推導(dǎo)出個(gè)人的興趣愛(ài)好， 家庭住址，健康狀況和政治傾向等 50 物聯(lián)網(wǎng)中 LBS的隱私保護(hù) ? 位置隱私度量 — 避免用戶和某一精確位置相匹配 ? 查詢隱私度量 — 避免用戶和某一敏感信息（查詢屬性、內(nèi)容）相匹配 ? 軌跡隱私度量 — 避免用戶和某一精確的軌跡相匹配 51 網(wǎng)聯(lián)網(wǎng)中 LBS的隱私度量 ? 位置隱私度量 — Location kanonymity — Location ldiversity or Road Segment sdiversity ? 查詢隱私度量 — Kanonymity、 Location entropy、 Query attribute ? 軌跡隱私度量 — 融合攻擊者背景知識(shí)的隱私度量機(jī)制 52 物聯(lián)網(wǎng)中 LBS隱私保護(hù)方法 假位置 (Dummy) ?通過(guò)制造假位置，達(dá)到以假亂真的效果 時(shí)空匿名 (spatitemporal cloaking) ?將用戶的位置擴(kuò)展到一個(gè)時(shí)空區(qū)域，達(dá)到匿名效果。 定位系統(tǒng) ?通過(guò)定位系統(tǒng)獲得查詢位置 網(wǎng)絡(luò) ?查詢和結(jié)果通過(guò)網(wǎng)絡(luò)傳輸 LBS服務(wù)器 ?提供基于位置的服務(wù) 42 LBS的體系結(jié)構(gòu) 物聯(lián)網(wǎng)中 LBS的通用威脅模型 假定 LBS服務(wù)器是惡意觀察者 現(xiàn)實(shí)中是一個(gè)復(fù)雜的多方面的問(wèn)題 ?移動(dòng)設(shè)備可能被俘獲，泄露用戶信息。 面向特定目標(biāo)的匿名化算法就是針對(duì)特定應(yīng)用場(chǎng)景的隱私化算法。 表 43 3diversity 年齡 性別 郵編 疾病 25 F 12300 艾滋病 35 M 13000 消化不良 21 M 12023 消化不良 35 M 14000 肺炎 71 M 27000 肺炎 65 F 54000 胃潰瘍 63 F 24000 流行感冒 70 F 30000 支氣管炎 34 數(shù)據(jù)庫(kù)隱私 數(shù)據(jù)庫(kù)隱私保護(hù)技術(shù) ?匿名化規(guī)則 tcloseness。 準(zhǔn)標(biāo)識(shí)符（ quasiidentifiers）。 29 數(shù)據(jù)庫(kù)隱私 數(shù)據(jù)庫(kù)隱私保護(hù)技術(shù) ?基于限制發(fā)布隱私保護(hù)技術(shù) 數(shù)據(jù)匿名化 的 基本操作 ： ①抑制。 輸入： 站點(diǎn) S1,S2， 數(shù)據(jù) {ID,A1,A2,… ,An}， { ID,B1,B2,… ,Bn} 輸出： k匿名數(shù)據(jù)表 T* 過(guò)程 ： 1. 2個(gè)站點(diǎn)分別產(chǎn)生私有密鑰 K1和 K2， 且滿足： E K1(EK2(D)) = EK2(E K1(D))， 其中 D為任意數(shù)據(jù) 。但是，每個(gè)參與者都不希望自己的輸入被其他參與者或任何三方所知。 經(jīng)過(guò)失真處理后的數(shù)據(jù)要能夠保持某些性質(zhì)不變 22 數(shù)據(jù)庫(kù)隱私 數(shù)據(jù)庫(kù)隱私保護(hù)技術(shù) ?基于數(shù)據(jù)失真的隱私保護(hù)技術(shù) 隨機(jī)化。 是如何在保護(hù)用戶隱私的前提下，能進(jìn)行有效的數(shù)據(jù)挖掘。如采用添加噪聲、交換等技術(shù)對(duì)原始數(shù)據(jù)進(jìn)行擾動(dòng)處理，但要求保證處理后的數(shù)據(jù)仍然可以保持某些統(tǒng)計(jì)方面的性質(zhì)，以便進(jìn)行數(shù)據(jù)挖據(jù)等操作。 采用加密技術(shù)在數(shù)據(jù)挖掘過(guò)程中隱藏敏感數(shù)據(jù)的方法，多用于分布式應(yīng)用環(huán)境，如安全多方計(jì)算 16 隱私威脅 隱私保護(hù)技術(shù) ?位置隱私保護(hù)技術(shù) 基于 隱私保護(hù)策略的技術(shù) 。 保證數(shù)據(jù)資源能夠提供既定的功能，無(wú)論何時(shí)何地，只要需要即可使用，而不 因 系統(tǒng)故障和誤操作等使資源丟失或妨礙對(duì)資源的使 用。 服務(wù)質(zhì)量 。 通常通過(guò)發(fā)布數(shù)據(jù)的披露風(fēng)險(xiǎn)來(lái)反映。 簡(jiǎn)單來(lái)說(shuō)，隱私就是個(gè)人、機(jī)構(gòu)或組織等實(shí)體不愿意被外部世界知曉的信息。 然而，隨著智能手機(jī)、無(wú)線傳感網(wǎng)絡(luò)、 RFID等信息采集終端在物聯(lián)網(wǎng)中的廣泛應(yīng)用，物聯(lián)網(wǎng)中將承載大量涉及人們?nèi)粘Ｉ畹碾[私信息（如位置信息、敏感數(shù)據(jù)等），隱私保護(hù)問(wèn)題也顯得越來(lái)越重要。如不能很好地解決隱私保護(hù)問(wèn)題，人們對(duì)隱私泄露的擔(dān)憂勢(shì)必成為物聯(lián)網(wǎng)推行過(guò)程的最大障礙之一。在具體應(yīng)用中，隱私為數(shù)據(jù)擁有者不愿意被披露的敏感信息，包括敏感數(shù)據(jù)以及數(shù)據(jù)所表征的特性，如個(gè)人的興趣愛(ài)好、身體狀況、宗教信仰、公司的財(cái)務(wù)信息等 。披露風(fēng)險(xiǎn)越小，隱私保護(hù)度越高 。 用于衡量隱私算法的優(yōu)劣，在相同的隱私保護(hù)度下，服務(wù)質(zhì)量越高說(shuō)明隱私保護(hù)算法越好。 14 隱私威脅 隱私威脅模型 用戶在網(wǎng)絡(luò)中使用數(shù)據(jù)庫(kù)、位置服務(wù)、數(shù)據(jù)等資源時(shí)，會(huì)在網(wǎng)絡(luò)中留下大量的個(gè)人信息，而網(wǎng)絡(luò)實(shí)體、服務(wù)提供商以及網(wǎng)絡(luò)偵聽(tīng)者等都可能是不可信 。 通過(guò)制定一些常用的隱私管理規(guī)則和可信任的隱私協(xié)定來(lái)約束服務(wù)提供商能公平、安全的使用個(gè)人位置信息。 基于數(shù)據(jù)加密的技術(shù)。 數(shù)據(jù)發(fā)布中的隱私保護(hù) 。數(shù)據(jù)隨機(jī)化就是在原始數(shù)據(jù)中加入隨機(jī)噪聲，然后發(fā)布擾動(dòng)后的數(shù)據(jù)。 25 數(shù)據(jù)庫(kù)隱私 數(shù)據(jù)庫(kù)隱私保護(hù)技術(shù) ?基于數(shù)據(jù)加密的隱私保護(hù)技術(shù) 安全多方計(jì)算。 2. 表 T* ← NULL； 3. while T*中數(shù)據(jù)不滿足 k匿名條件 do 4. 站點(diǎn) i(i=1或 2) 泛化 {ID,A1,A2,… ,An}為 {ID,A1*,A2*,… ,An*}， 其中 A1*表示 A1泛化后的值； {ID,A1,A2,… ,An}←{ID,A 1*,A2*,… ,An*} 用 Ki加密 {ID,A1*,A2*,… ,An*}并傳遞給另一站點(diǎn)； 用 Ki加密另一站點(diǎn)加密的泛化數(shù)據(jù)并回傳； 根據(jù)兩個(gè)站點(diǎn)加密后的 ID值對(duì)數(shù)據(jù)進(jìn)行匹配，構(gòu)建經(jīng) K1和 K2加密后的數(shù)據(jù)表 T*{ID,A1*,A2*,… ,An*， ID,B1,B2,… ,Bn} 5. end while 表 41 分布式 k匿名算法 27 數(shù)據(jù)庫(kù)隱私 數(shù)據(jù)庫(kù)隱私保護(hù)技術(shù) ?基于數(shù)據(jù)加密的隱私保護(hù)技術(shù) 分布式關(guān)聯(lián)規(guī)則挖掘 。抑制某數(shù)據(jù)項(xiàng) 。幾個(gè)屬性聯(lián)合起來(lái)可以唯一標(biāo)識(shí)一個(gè)人，如郵編，性別，出生年月等聯(lián)合起來(lái)可能是一個(gè)準(zhǔn)標(biāo)識(shí)符。 tcloseness規(guī)則要求匿名數(shù)據(jù)中的每個(gè)等價(jià)類中敏感屬性值得分布接近于原始數(shù)據(jù)中的敏感屬性值的分布，兩個(gè)分布之間的距離不超過(guò)閾值 t。 36 數(shù)據(jù)庫(kù)隱私 數(shù)據(jù)庫(kù)隱私保護(hù)技術(shù) ?數(shù)據(jù)匿名化算法 基于聚類的匿名化算法 。 ?網(wǎng)絡(luò)傳輸可能被監(jiān)聽(tīng)和遭受中間人攻擊。 空間加密 (Space Encyption) ?通過(guò)對(duì)位置加密，達(dá)到匿名效果 私有信息檢索 (Private Information Retrieval)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1