10、地理社交网络与在线社交网络隐私问题深度剖析

地理社交网络与在线社交网络隐私问题深度剖析

地理社交网络隐私保护技术对比

在地理社交网络（GSNs）的隐私保护领域，Gambs等人进行了广泛的推理攻击研究，并提出了净化技术，以保护数据集中存在痕迹的个人隐私。他们还推出了软件GEPETO（地理隐私增强工具包），用于评估各种净化技术和推理攻击，可视化结果，并评估地理定位数据在隐私和实用性之间的权衡。

此前的研究主要聚焦于保护GSNs中的用户隐私，但这些技术的有效性存疑。下面从技术和关键属性两个方面对GSNs隐私保护工作进行比较。

基于技术的比较

GSNs中的隐私保护技术是从一般基于位置的系统中借鉴而来的，主要分为两类：基于空间和时间隐藏的工作，以及基于位置转换的工作。具体分类如下表所示：
| 技术 | 基于空间和时间隐藏 | 基于位置转换 |
| — | — | — |
| SmokeScreen | ■ | |
| Longitude | ■ | |
| C - Hide&Seek和C - Hide&Hash | ■ | |
| Mobishare | ■ | |
| N - Mobishare | ■ | |
| LocX | ■ | |

基于关键属性的比较

比较各系统时考虑以下关键属性：
1. 集中化 ：服务器是否负责用户之间的位置更新。与去中心化系统不同，在去中心化系统中，用户需要自行联系朋友以获取其位置，这通常会导致较高的通信成本。
2. 实施复杂性 ：通过近似实施所