论文笔记(1)——《Where's Wally?Precise User Discovery Attacks in Location Proximity Services》
Abstract:
位置相近服务在社交和移动网络的广泛使用是基于可用性和用户隐私的平衡,但引发了三角定位攻击的风险。文章系统化地讨论了此类攻击的防范,包括问题在不同临近模型下的形式化,针对不同模型的有效攻击,以及攻击需要的询问次数的确界,并针对实际应用进行实验。
一)对攻击的建模:UDP,已知包含点p的欧氏平面区域A以及一个提供邻域信息的oracle,找到点p的位置
邻域预言机(proximity oracle)定义:,输入为p,查询以某点为圆心的区域,若与被攻击者距离小于r,返回1,否则返回0
原问题化为两部分:
1)Disk Coverage:将A用最少的r-邻域覆盖
归约为UDG(Unit Disk Graph)上的最小支配集(MDS)问题,是NP-hard,但存在线性时间的5-近似随机算法(结果与最优解差距不超过五倍)
近似算法:随机取点加入支配集,去掉所有相邻点,重复到图为空。时间复杂度为O(|V|)
UDG:平面上有许多取样点,若两点之间距离小于r则存在一条边,从而找其最小支配集便必定可以用r-邻域覆盖所有取样点
For max-coverage, the distance between points in the dominating set is at least
2)Disk Search:找到p在哪一个邻域
每个disk中的点可被一个“外接”矩形完全覆盖,利用一个二分算法可以在O(rlogr)时间解决(查询次数为logr)
所以总的查询次数为
二)RUDP(Rounding User Discovery Problem)
对不同距离的p与p_u,社交网络通常返回不同的距离值而非固定的r,从而此处研究Rounding Class Family解决这个问题
RCF由一系列tuple 组成,为rounding value,I1,...,In构成了R+的一个partition,且
通过不断的三角测量缩小下一个点的范围,直到缩到r=delta_1,从而原算法的总运行时间为(|S|为rounding class family的大小,显然也是询问次数)
三)Randomized User Discovery Problem
对某个点的查询返回的结果服从一个随机分布(每次返回的结果含高斯噪声),经过一番数学处理得知,解决RANDUDP问题的误差为的复杂度为
四)实际问题
查询空间:大,通过个人信息缩减查询空间
联系:伪造身份加好友攻击
攻击的探测:此类服务有探测伪造位置的机制,利用伪装机制(参见The Man Who Was There: Validating Check-ins in Location-Based Services)
准确度:与GPS精度有关
投影误差:坐标需要用合适的投影方法获得,此处采用等距圆锥投影(equidistant conic projection)
论文笔记(1)——《Where's Wally?Precise User Discovery Attacks in Location Proximity Services》的更多相关文章
- Twitter 新一代流处理利器——Heron 论文笔记之Heron架构
Twitter 新一代流处理利器--Heron 论文笔记之Heron架构 标签(空格分隔): Streaming-process realtime-process Heron Architecture ...
- Deep Learning论文笔记之(四)CNN卷积神经网络推导和实现(转)
Deep Learning论文笔记之(四)CNN卷积神经网络推导和实现 zouxy09@qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文, ...
- 论文笔记之:Visual Tracking with Fully Convolutional Networks
论文笔记之:Visual Tracking with Fully Convolutional Networks ICCV 2015 CUHK 本文利用 FCN 来做跟踪问题,但开篇就提到并非将其看做 ...
- Deep Learning论文笔记之(八)Deep Learning最新综述
Deep Learning论文笔记之(八)Deep Learning最新综述 zouxy09@qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文,但老感觉看完 ...
- Deep Learning论文笔记之(六)Multi-Stage多级架构分析
Deep Learning论文笔记之(六)Multi-Stage多级架构分析 zouxy09@qq.com http://blog.csdn.net/zouxy09 自己平时看了一些 ...
- Multimodal —— 看图说话(Image Caption)任务的论文笔记(一)评价指标和NIC模型
看图说话(Image Caption)任务是结合CV和NLP两个领域的一种比较综合的任务,Image Caption模型的输入是一幅图像,输出是对该幅图像进行描述的一段文字.这项任务要求模型可以识别图 ...
- 论文笔记(1):Deep Learning.
论文笔记1:Deep Learning 2015年,深度学习三位大牛(Yann LeCun,Yoshua Bengio & Geoffrey Hinton),合作在Nature ...
- 论文笔记(2):A fast learning algorithm for deep belief nets.
论文笔记(2):A fast learning algorithm for deep belief nets. 这几天继续学习一篇论文,Hinton的A Fast Learning Algorithm ...
- 论文笔记:Towards Diverse and Natural Image Descriptions via a Conditional GAN
论文笔记:Towards Diverse and Natural Image Descriptions via a Conditional GAN ICCV 2017 Paper: http://op ...
随机推荐
- javaWeb开发中的中文编码问题
常规解决乱码问题的方法是: a.把所有的jsp页面的charset设置为UTF-8. b.添加过滤器,在filter内调用request.setCharacterEncoding("ut ...
- Google之Chromium浏览器源码学习——base公共通用库(四)
本文将介绍debug调试相关的内容,包括调试器.性能分析.堆跟踪.跟踪事件等: alias.h:Alias函数,提供防止载微软的编译器优化某参数变量的操作,内部通过#pragma optimize(& ...
- dataguard不同步问题ora-16191解决
公司的11g的dataguard主备不同步,检查步骤如下: Primary:查询主库的最大日志 SQL> select max(sequence#) from v$archived_log;SQ ...
- Html 移动web开发细节处理
1.-webkit-tap-highlight-color:rgba(255,255,255,0)可以同时屏蔽ios和android下点击元素时出现的阴影.备注:transparent的属性值在and ...
- Struts2 回顾总结
1.第一个Struts2入门案例 1.找jar包 Struts2-core xwork-core ognl javasist freemarker commons-lang commons-io co ...
- Javassist 字节码操作
1.读写字节码 Javassist是用来处理java字节码的类库.字节码保存在二进制文件中称为类文件.每个类文件夹包括一个java类或接口. Javasssist.CtClass这个类是一个类文件的抽 ...
- JavaScript 富文本编辑器
WEB项目中使用UEditor(富文本编辑器) UEditor - 完整示例 http://ueditor.baidu.com/website/onlinedemo.html UEditor注意事项: ...
- php 冒泡 快速 选择 插入算法 四种基本算法
php四种基础算法:冒泡,选择,插入和快速排序法 来源:PHP100中文网 | 时间:2013-10-29 15:24:57 | 阅读数:120854 [导读] 许多人都说 算法是程序的核心,一个程序 ...
- 修改tomcat服务器banner的方法
对于工作中经常使用tomcat的童鞋来说,已经很习惯地看到tomcat看到下图: 但是在实际场景中,这个Banner给入侵者提供了一定的指示作用.为了安全起见,要求更改这个信息,以起到一定的迷惑作用. ...
- QuickTest Professionar 快捷键
新建Test – New Test CTRL + N录制 – Record F3打开Test – Open Test CTRL + O新建业务组件 – Business Component > ...