一个2048位的指数运算，分别需要2. 4X 10 4 毫秒和0. 25秒。同时因为加法运算计算消耗很低，所以忽略它的计算开销，仿真结果如图 3-图6所不。
[0085] 图3,4, 5,6分别显示了不同个数的属性值n在离线/在线计算下对计算开销和通 行开销的的影响评价结果。在第一轮测试过程中拟定n是从20到200,权重属性1设置为 一个固定的数5。
[0086]图3比较了各种协议离线时的计算开销，横坐标是用户属性个数，纵坐标为离线 计算开销时间，单位为毫秒，因为本发明所述方法只需要一些模块化的加法和乘法运算 1 ?n?mull+21 ?n?add，所以在离线计算开销非常具有优势。
[0087]图4显示所有不同的协议的在线计算开销，横坐标是用户属性个数，纵坐标是在 线计算开销时间，单位为毫秒，在线计算成本占移动社交网络交互双方整个执行时间的很 大比例，在线计算开销越低，计算效率越高，运行时间也越快，从该图中的对比分析，可以看 到本方案提出的协议21 ? 1 ?mull+31 ? 1 ?n?add计算开销最小，比WAS协议和细粒度协 议更具有执行效率优势。
[0088] 图5比较了不同协议的通信开销，横坐标是用户属性个数，纵坐标是通信开销， 单位为比特，从这个图表可以看出，FSU协议即使扩大一倍的通信范围，但是通信开销为 (1 ? 2) ? 1024,没有明显的级数增长，依然比细粒度协议具有优势。
[0089]图6显示了不同方法的总的执行时间，横坐标是用户属性个数，纵坐标为执行时 间，单位为毫秒，这个执行时间为离线的计算开销和在线计算开销的总和，从这个实验可以 看出，本发明提出的方法计算总时间最小，同时在部分的实验中，用户配置文件的属性值n 的个数从20到200递增设置从而模仿在实际环境的可用性。
[0090] 为了衡量在引用本发明所述方法中应答者（代理用户）在交友匹配过程中提供的 帮助，分析在时间t内有多少应答者可以参与交友匹配计算，以及能够为匹配计算能够提 供多少计算资源。本实例中利用机会计算来模拟应答者参与交友匹配的真实应用场景。
[0091] 假设在一段时间t内出现在发起者的周围的应答者人数服从泊松分布 {N(t)，t彡0}，参数为A。对于一个给定阈值th，Nq(t)=n和分别表示[0，t]时间段内合 格的参与者人数（NumberofQualifiedHelp，NQHS)和不合格参与者的人数。TG[0，t] 时间到达的任意用户有意愿与发起者交友匹配的概率是是P(T)。
[0092] 在[0，t]内参与交友匹配的预期人数为E(Nq(t)) = Atp，其中
[0093] 在[0, t]内，给定到达急救地点的总人数为
[0094]
[0095] 假设所有用户到达现场的时间TG [0，t]都是均匀分布的，因此在总人数为n+m的条件下，一个用户在[0，t]内到达现场并且是合格参与者的概率因为所有用户到达都是 独立的，因此可以得到：
[0096]
[0097] 可以看出Nq(t)和是分布率分别为Atp和At(l-p)的相互独立的泊松分布，因 此在时间[0，t]内到达现场的应答者人数预期为E(N q(t)) = Atp。
[0098] 在[0, t]时间内机会计算预期提供的资源是
[0099]假设第k个用户在TkG [0，t]时出现在发起者的周围，其中1彡k彡Nq(t)，那 么所有到场用户提供的总资源为：
[0100]
[0101]
[0102] 由E(Nq(t)) =Atp，因此我们可以得到的预期资源E{R(t)}为
[0103]
[0104] 可以看出当A和p较大时，随着时间的增加，E(Nq(t))和E{R(t)}的递增速度会 非常快。因此，在人多的位置，可以通过设定阈值来控制参与计算的应答者的概率P，从而减 少E(Nq (t))。而在人少的位置可以将阈值设置得低一些来增加参与计算应答者的概率，机 会计算模型仿真见图7。
[0105] 参考文献：
[0106] [1]B.Niu,X.Zhu,J.Liu,Z.Li,andH.Li, "Weight-awareprivatematching schemeforproximity-basedmobilesocialnetworks，"inIEEEGL0BEC0M2013..
[0107] [2]R.Zhang,Y.Zhang,J.Sun,andG.Yanj ^Fine-grainedprivatematchingfor proximity-basedmobilesocialnetworking，"inIEEEINF0C0M2012〇
【主权项】
1. 一种新型的近邻移动社交网络交友隐私保护方法，其特征在于，包括以下几个步 骤： 步骤1 :构造用户的个人属性偏好权重矩阵MAlxn;其中，Slj为用户的属性偏好权重矩阵中的元素，取值为O或1，i e [1，1]，j e [1，η]; 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，η为兴趣 属性类别数量，每列中的元素代表用户的属性； 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[〇, 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 ; 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； 所述个人属性偏好混淆矩阵Mlx/是利用随机产生的两个素数α，β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：其中，Clj为MClxn中的元素，rij为MDlxn中的元素，均为随机数，i e [1，1]，j e [1，η]; 所述密钥矩阵为IX 1的矩阵f，f中每个元素为h，Ic1 = k Jklj β -Clj); 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； 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￡进行求模操作，得到求 模结果矩阵T，T= ((^+1〇1]1〇(^，其中，9为一个随机素数； 并将求模结果矩阵τ按照公式士-Giyvp2进行转换得到转换矩阵T% p为一个随 机素数； 步骤5 :将转换矩阵f与位置权重恢复矩阵（Wu)lxl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；步骤6 :应答者作为代理转发发起者的混淆矩阵MAlxniW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。2. 根据权利要求1所述的方法，其特征在于，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： 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； 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。3.根据权利要求1或2所述的方法，其特征在于，所使用的素数设置为1024位或者 2048 位。
【专利摘要】本发明公开了一种新型的近邻移动社交网络交友隐私保护方法，发起者将自己的个人配置文件矩阵MAl×n经过随机矩阵和素数混淆，并通过广播的方式给周围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混淆矩阵进行计算，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，发起者和应答者均不知道会话双方的任何属性信息细节，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，可以在更大的区域内安全的找到与发起者更加精确的匹配用户。
【IPC分类】H04L12/58, H04L29/08, G06F17/30, H04L29/06
【公开号】CN105162695
【申请号】CN201510657352
【发明人】罗恩韬
【申请人】湖南科技学院
【公开日】2015年12月16日
【申请日】2015年10月13日