一种新型的近邻移动社交网络交友隐私保护方法
【技术领域】
[0001] 本发明涉及计算机科学与技术领域，特别涉及一种近邻移动社交网络交友过程的 隐私保护方法。
【背景技术】
[0002] 随着日益普及的移动设备（例如，智能手机）和在线社交网络的巨大发展，移动社 交网络服务使得邻近的朋友可以更好的交流和分享彼此的兴趣、爱好等。目前移动社交网 络（MSN)已经成为我们日常生活中的一个重要组成部分。
[0003] 而近邻移动社交网络（PMSNs)在传统的移动社交网络服务之上，通过嵌入到智能 手机和平板电脑的（WiFi或蓝牙接口）。是一种在移动用户增长最新兴的社交方式。当移 动用户无法访问互联网的在线社交网络时，例如，由于缺乏互联网接入热点或从蜂窝基站 的信号很弱。那么近邻移动社交网络就可以弥补这个不足。同时，更值得期待的是，因为它 通过WIFI或者蓝牙进行通信，因此接入到近邻移动社交网络的用户不需要担心昂贵的网 络流量费用。
[0004] PMSNs为移动用户提供更多的机会与他们的邻居进行社会交往，它的应用场景非 常广泛，例如社区的近邻用户之间可以分享照片和视频，玩游戏等等。此外，作为一种新型 的社交应用它可以为用户提供更多的机会与陌生人开展新的社会交际活动，如机场、高铁、 邮轮上可能是唯一可行的移动网络社交工具，
[0005] 交友和交流是社交网络中用户的两种基本功能，随着手持移动设备的发展（手 机，PDA等），越来越多的应用于手机的社交网络应用程序得到了极大的发展，例如微信，美 团，大众点评等。而个人属性配置文件的匹配是当前社交网络中发现新朋友的一个有效的 手段，当人们加入通过移动设备加入社交网络的时候，他们往往会根据他们的兴趣爱好，例 如读书、购物、恋爱、运动等方面建立一个兴趣配置文件，然后通过这个配置文件在近邻的 社交网络中寻找有同样爱好和兴趣的用户，从而可以更方便的开展社交活动。
[0006] 但是，在交友的过程中这些软件在给用户们带来极大生活便利的同时，也增加了 个人的隐私泄漏风险，例如，在用户互动的过程中，有可能泄漏个人的家庭住址，年龄，性 另IJ，工作单位等敏感信息等，而这些信息的泄漏有可能造成不可预料的结果。
[0007] 为了解决这个问题，一些研究者已经提出了一些方案，这主要分为两种，分别是依 赖可信第三方（Trustedthirdparty，TTP)和不需要可信第三方参与的方案。其中，在有 TTP参与的方案中，用户提交他们的属性配置文件给TTP，TTP作为匹配中心来计算用户之 间的相似度，并回复每个用户的最佳匹配。但是，在这一类研究方案中，TTP需要知道详细 的所有用户的兴趣进行匹配的过程，这是相当危险的（比如TTP和攻击者之间共谋），另外 因为所有的计算将在TTP服务器上进行，会造成TTP服务器的性能瓶颈。
[0008] 第二类方案不依赖TTP参与，他们大多采用复杂的加密和解密过程，这种方案虽 然降低了TTP的共谋风险，但是复杂的加解密运算造成了终端大量的计算开销，毕竟来说 目前的终端的计算能力还是相当有限，为了降低减少现有方案的计算成本和不依赖复杂的 加解密技术。
【发明内容】
[0009] 本发明针对现有的移动社交过程中存在的加解密运算计算量大或信息容易泄露 的问题，提出了一种新型的矩阵混淆运算和内积计算来代替传统的解决方案，从而来保证 近邻移动社交网络中交友和互动过程中的安全。
[0010] 一种新型的近邻移动社交网络交友隐私保护方法，包括以下几个步骤：
[0011] 步骤1 :构造用户的个人属性偏好权重矩阵MAlxn;
[0012]
[0013] 其中，Blj为用户的属性偏好权重矩阵中的元素，取值为0或1，i G [1，1]， je[l，n];属性偏好权重矩阵中每行的元素代表用户的对属性的偏好程度，也称为属性权 重，n为兴趣属性类别数量，每列中的元素代表用户的属性；
[0014] 所述兴趣权重根据用户在设定时间内的参与兴趣活动的频率的百分比进行设定， 将频率百分比区间[0, 100% ]等分成1份，每个区间从小到大依次对应的兴趣权重分别为 1， 2， 3. ? ? ， 1 ;
[0015] 【频率区间为[0, 20% )，兴趣权重设置为1 ;频率区间为[20%，40% )，兴趣权重 设置为2 ;频率区间为[40%，60% )，兴趣权重设置为3 ;频率区间为[60%，80% )，兴趣权 重设置为4 ;频率区间为[80%，100% ]，兴趣权重设置为5。】
[0016] 【假设这三个兴趣爱好分别为看电影，游泳，和购物（列向量表示），我们以看电影 的频率次数举例，假设用户每个月看电影的次数有5个选项，每个选项对应用户看电影的 频率，分别为 20% (1-2 次），40% (3-4 次），60% (5-6 次），80% (7-8)，100% (8 次以上）， 我们假定用户看电影的次数满足20%的频率时1-2次为弱爱好（对应权重为1)，满足40% 的频率时3-5次为基本爱好（对应权重为2)，满足60%的频率时6-8次为中等爱好（对应 权重为3)，满足80%的频率时8-10次为强爱好（对应权重为4)，满足100%的频率时10 次以上为超强爱好（对应权重为5);】
[0017] 步骤2 :构建发起兴趣匹配报文请求的发起者的个人属性偏好混淆矩阵以及获取 恢复明文的密钥矩阵，同时，发起者将个人属性偏好混淆矩阵发送给愿意参加匹配的应答 者；
[0018]所述个人属性偏好混淆矩阵MAlx/是利用随机产生的两个素数a，P和两个随机 矩阵MC1Xn，MDlxn对发起兴趣匹配报文请求的发起者的个人属性偏好权重矩阵进行混淆操 作获得：
[0019]
[0020]其中，Clj为MClxn中的元素，r为MDlxn中的元素，均为随机数，iG[1，1]， jG[I,n]；
[0021] 所述密钥矩阵为1X1的矩阵f中每个元素为kykfki+hj-cj;
[0022] 步骤3 :利用应答者的属性偏好权重矩阵与步骤2构建的发起者的混淆矩阵的转 置矩阵相乘，将相乘后的矩阵D返回给发起者；
[0023] 步骤4 :发起者利用相乘后的矩阵D和步骤2获得的密钥矩阵f进行求模操作，得 到求模结果矩阵T，T= (1^)1(1<1，b= ((IiJki)IIiodq,其中，q为一个随机素数；
[0024] 并将求模结果矩阵T按照公式$ = 进行转换得到转换矩阵T%p为一 个随机素数；
[0025] 步骤5 :将转换矩阵f与位置权重恢复矩阵（Wdlxl进行内积运算，获得发起者与 应答者的相似度矩阵，并将相似度矩阵中的每个元素累加的结果作为两者的相似度值；
[0026]
[0027] 步骤6 :应答者作为代理转发发起者的混淆矩阵MAlx:以及发起者在当前一轮匹 配过程中得到的最大相似度，按照最大相似度对应的发起者和应答者建立通信，进行移动 社交网络活动。
[0028] 在所述按照最大相似度对应的发起者和应答者建立通信，进行移动社交网络活动 前，还包括以下两个步骤：
[0029] 步骤7 :利用应答者作为新的发起者，返回步骤2,得到新的发起者的混淆矩阵以 及新的发起者在新的一轮匹配过程中得到的最大相似度；
[0030] 步骤8 :从步骤6和步骤7中两个最大相似度中选出最大的相似度，并按照选出的 最大相似度对应的发起者和应答者建立通信，进行移动社交网络社交。
[0031] 所使用的素数设置为1024位或者2048位，以防止攻击者通过穷举算法进行破 解。
[0032] 有益效果
[0033] 本发明提供了一种新型的近邻移动社交网络交友隐私保护方法，发起者通过广播 的方式将自己的个人配置文件矩阵MAlxn经过随机矩阵和素数混淆，并广播给所有的有意 愿参与近邻移动社交网络邻近的潜在应答者，应答者利用自身的配置文件矩阵与发起者的 个人属性偏好混淆矩阵M(进行计算，确保应答者仅仅了解他们双方之间的共同权重属性 的信息；应答者将匹配结果发送给发起者，使得发起者除了知道发起者和应答者的相似程 度之外，发起者和应答者不知道会话双方的任何属性信息，因此发起者和应答者双方的隐 私都可以得到保护。同时利用应答者作为代理对发起者的个人配置文件进行转发，可以发 起者在更大的区域内安全的找到更加精确的匹配用户。
【附图说明】
[0034] 图1为本发明所述方法的应用场景图；
[0035] 图2为本发明所述方法流程示意图；
[00