一种基于区块链的边缘轨迹保护方法与流程

技术特征：
1.一种基于区块链的边缘轨迹保护方法，其特征在于，包括以下步骤：步骤1：生成高置信区块，包括以下步骤：步骤1.1：提取细粒度敏感属性；细粒度敏感属性是指对轨迹分类具有更强辨识力的特征，包括时间信息、所在位置、瞬时移动特征、行为特征、轨迹特征；设该数据有n个属性，形成属性集合x＝{x1,x2,
…
，x
i
，
…
,x
n
}；设用户对敏感属性x
i
的预期值为p
i
，则所有属性的预期值集合为p＝{p1，p2，
…
，p
i
，
…
，p
n
}；每个属性的熵表示为e
i
，计算方法如下：每个属性的权重w
i
计算方法如下：然后，将属性按权重从大到小排序，选取前d个属性作为特征，按特征维数先后次序提取其细粒度敏感属性；步骤1.2：基于一个整数多项式环，构造双重加密算法；其中，第一次加密利用随机整数得到公钥，并随机选取一个整数集合输出其密文；重加密时取任意素数得到新公钥，利用第一次加密得到的密文和新公钥，得到新密文；步骤1.3：搭建merkle树，生成区块；首先，对数据中的所有敏感属性的权值求和，得到该数据的敏感度；然后，将m个数据进行哈希运算，并将结果存储在叶子节点中；选取敏感度最大的两个叶子节点再进行哈希运算，生成中间节点；不断重复该过程，得到merkle树；步骤2：构建区块链，包括以下步骤：步骤2.1：筛选授权节点；当区块链中部分块的内容出现错误、损坏需要修改时，由授权节点表决是否同意修改；其中，授权节点从可信度排名前1/3的节点集合中选取授权节点总数的3/4，从可信度排名后2/3的节点集合中选取授权节点总数的1/4；步骤2.2：基于环序列，计算chameleon哈希函数：首先，对原始数据m和任意随机数r，授权节点进行环序列计算，得出密钥；然后，计算新的随机数r’，使原始数据m与加密数据m’的哈希值相等；步骤2.3：基于神经网络，验证区块：当区块链中的区块需要修改时，提取已知合法块i的身份信息和未知块j的身份信息；比较i和j的区块标识号id是否一致，若不一致，则认为块j不是克隆块；否则，使用神经网络训练数据集生成一个满足识别率的模型，若神经网络模型的输出result＝1，则块j是合法块，否则j是非法块；之后，用合法块j替代原损坏区块，从而保证区块链的完整性；步骤3：基于智能合约进行边缘轨迹保护，包括以下步骤：步骤3.1：提取群体特征，生成匿名区域；首先，定义时刻t的用户位置，结合时间维度信息计算轨迹变化量，将结果进行聚类处理；
然后，提取动态特征，形成空间序列；最后，按空间序列划分位置，形成匿名区域；步骤3.2：轨迹熵抑制；用户的轨迹熵h
k
的计算方法如下：其中，p
i
为用户轨迹出现的概率；轨迹熵衡量轨迹的混乱程度，轨迹熵越低表明轨迹越有序；恶意节点攻击轨迹的代价函数如下：其中，ω是代价参数，e
i
表示区域和用户之间的关联性；步骤3.3：设置智能合约，具体如下：首先，发送方利用加密函数将原始数据加密后得到加密数据，并将其存储到区块链上，部署智能合约，通过匿名区域协作，制定共享协议；然后，用户根据共享协议发送需求信息，将需求广播到节点网络中；智能合约更新交易后的反馈信息，并进行匹配；接收方接受到信息后，利用解密函数进行解密；利用智能合约管理节点，通过可信节点保护处理结果，确保每条记录可追踪；如果用户违反共享协议，用户将被限制获取剩余信息。2.如权利要求1所述的一种基于区块链的边缘轨迹保护方法，其特征在于，步骤1.2的实现方法如下：设f
p
[x]是整数多项式集合，f[x]是整数多项式，且f[x]∈f
p
[x]，设计基于f(x)的双重加密算法，包括以下步骤：步骤1.2.1：一次加密利用随机整数得到公钥，并随机选取一个整数集合输出其密文；当一次加密的秘钥生成时，首先选择随机整数a
i
和r
i
，生成公钥p
k
＝<b0,b1,...,b
n
>，其中，b
i
的生成方法如式7：b
i
＝a
i
f[x] r
i (i＝1,2,...,n)
ꢀꢀꢀ
(7)其中n为属性数，且b0是公钥p
k
中最大的元素；步骤1.2.2：重加密任取任意素数得到新公钥，利用第一次加密得到的密文和新公钥，得到新密文；在二次加密的秘钥生成时，任意取素数p和k，生成新的公钥在二次加密的秘钥生成时，任意取素数p和k，生成新的公钥元素v
i
满足满足以下条件：其中，s为数据的敏感属性集。3.如权利要求1所述的一种基于区块链的边缘轨迹保护方法，其特征在于，步骤2.1筛选授权节点的具体方法如下：设n是所有节点的集合，n
i
代表可信度排名在前1/3的节点；
当区块链中部分块的内容出现错误、损坏需要修改时，由授权节点表决是否同意修改；授权节点由节点集合a和节点集合b两部分，a和b满足以下条件：其中，a和b分别由从集合n
i
和(n
‑
a)中随机选择的授权节点组成。4.如权利要求1所述的一种基于区块链的边缘轨迹保护方法，其特征在于，步骤2.2计算chameleon哈希函数的具体方法如下：
①
lch.setup(λ)
→
(par
lch
)向循环chameleon哈希函数lch的设置函数setup输入安全参数λ，得到系统参数par
lch
；
②
lch.keygen(par
lch
)
→
((c1·
...
·
c
k
)，h
k
)向lch的密钥生成函数keygen输入par
lch
后，k个授权节点进行环形序列计算，在k轮环序列之后，输出公钥h
k
和私钥(c1,c2,...,c
k
)；
③
lch.hash(h
k
,m,r)
→
(h)向lch的哈希函数hash输入公钥h
k
、原始数据m和随机数r，输出哈希值h；
④
lch.f orge((c1·
...
·
c
k
),(m,h,r),m
′
)
→
(r
′
)向lch的融合函数forge中输入私钥(c1,c2,...,c
k
)、原始数据m、哈希值h、随机数r和加密数据后，生成新的随机数r
′
；通过上述步骤，得到哈希碰撞如下：lch.hash(h
k
,m,r)＝lch.hash(h
k
,m
′
,r
′
)
ꢀꢀꢀꢀꢀꢀꢀ
(10)。5.如权利要求1所述的一种基于区块链的边缘轨迹保护方法，其特征在于，步骤3.1的具体实现方法如下：设t时刻用户位置为loc
t
，结合时间维度信息计算轨迹变化l，l计算公式如下：轨迹变化信息的计算基于时间维度信息，对计算结果进行聚类并抽取其动态特征λ
c
；定义构成空间序列<e1,e2,...,e
n
>；根据空间顺序划分位置，形成匿名区域，从而混淆用户的真实数据，避免用户真实位置泄露，保护边缘隐私信息。6.如权利要求1所述的一种基于区块链的边缘轨迹保护方法，其特征在于，步骤3.1中，虚假轨迹生成方法，包括以下步骤：设用户在g
×
g个网格中移动，用户根据已知的背景信息、当前位置和目的地，确定真实的移动轨迹；用户的最大移动速度为v
max
；首先，根据用户的真实轨迹，将其划分为若干时间点，确定用户每次在服务请求时间δt发送服务请求；然后，根据划分的g
×
g个网格，得到历史发送概率，找出圆形区域中接近真实定位点历史传输概率的网格，并在这些网格中生成虚假位置；最后，计算两个真实位置之间的位置转移概率，选择最接近位置转移概率的轨迹段，并将其连接起来，形成虚假轨迹。
7.如权利要求1所述的一种基于区块链的边缘轨迹保护方法，其特征在于，步骤3中，匿名区域生成方法，包括以下步骤：首先，使用虚假轨迹生成方法，根据真实轨迹构建q
‑
1条虚假轨迹，q为总的轨迹条数；然后，对于每条轨迹，获取用户当前位置及用户所在小区间标号，根据用户当前位置，从周边小区间中采用位置空间k匿名方法，获取k
‑
1个匿名后形成的小区间，并记录区间的横纵坐标位置信息；每个用户的位置由相应的区域来表示，不必暴露具体位置；最后，基于给定的匿名集合计算匿名区域；匿名集中每个用户对应的区域被逐一合并，形成最终的匿名区域；匿名区域含所有用户的最小区域。

技术总结
本发明涉及一种基于区块链的边缘轨迹保护方法，属于区块链隐私保护技术领域。本方法在区块生成时不仅考虑了用户信息保护和身份认证，还考虑了筛选机制以保证大多数授权节点的完整性。同时，本发明提出了使用轨迹熵抑制方法，并将其与损失函数评估序列相结合，通过部署智能合约实现区域间的协作。本方法有效提高了用户轨迹隐私信息的安全性，达到了保护边缘轨迹的目的。缘轨迹的目的。缘轨迹的目的。


技术研发人员：盖珂珂 张悦 祝烈煌 蒋芃 徐蕾
受保护的技术使用者：北京理工大学
技术研发日：2021.08.09
技术公布日：2021/11/17