公开(公告)号：CN113163327B

公开(公告)日：2022-12-09

申请号：CN202110509950.7

申请日：2021-05-11

Applicant: 南京大学

Inventor： 夏中舟 ,  华景煜 ,  杨华明 ,  仲盛

IPC: H04W4/02 ,  H04W12/122

Abstract: 本发明公开一种移动应用中定位数据真伪辨别的方法和系统，首先从数据库中找出与用户上传定位距离较近的历史上传数据；对于每份历史数据，再在数据库中查询与它距离在一定范围内的其它历史数据并统计它们共同接收到的WiFi信号的信号强度，结合它们距离关系赋予权重计算出在这份历史数据包含的GPS坐标位置处这些WiFi信号强度的概率分布；对于上传数据，根据其中每个WiFi信号的强度去这些历史数据中统计对应的概率，并结合与这些历史数据的距离最终得到一份特征向量；将特征向量用于XGBoost模型进行训练与预测，对真伪数据的辨别取得了较好的效果。本发明中使用的数据很难被伪造，并且对重放数据能进行识别。

公开(公告)号：CN113163327A

公开(公告)日：2021-07-23

申请号：CN202110509950.7

申请日：2021-05-11

Applicant: 南京大学

Inventor： 夏中舟 ,  华景煜 ,  杨华明 ,  仲盛

IPC: H04W4/02 ,  H04W12/122

Abstract: 本发明公开一种移动应用中定位数据真伪辨别的方法和系统，首先从数据库中找出与用户上传定位距离较近的历史上传数据；对于每份历史数据，再在数据库中查询与它距离在一定范围内的其它历史数据并统计它们共同接收到的WiFi信号的信号强度，结合它们距离关系赋予权重计算出在这份历史数据包含的GPS坐标位置处这些WiFi信号强度的概率分布；对于上传数据，根据其中每个WiFi信号的强度去这些历史数据中统计对应的概率，并结合与这些历史数据的距离最终得到一份特征向量；将特征向量用于XGBoost模型进行训练与预测，对真伪数据的辨别取得了较好的效果。本发明中使用的数据很难被伪造，并且对重放数据能进行识别。

公开(公告)号：CN113364731B

公开(公告)日：2023-01-06

申请号：CN202110392292.8

申请日：2021-04-13

Applicant: 南京大学

Inventor： 陈思依 ,  华景煜 ,  夏中舟 ,  仲盛

IPC: H04L9/40 ,  H04L67/52

Abstract: 本发明公开一种针对移动应用地理位置访问行为的细粒度分析方法，可以自动从应用中hook位置请求并确定其细粒度的精度要求，无需应用开发者的支持，以便我们在进行个性化位置隐私保护时平衡用户可用性与安全性。其关键点是识别应用中调用了位置的下游功能，即基于位置的功能，简写为LBF。首先找到与位置请求相关联的L‑UI，然后抓取其呈现的LBF文本。接下来，定义了LBF的类型，并对样本进行了打标。最后改进现有的NLP技术，通过分析文本的语义对相应的服务类型进行分类。为了保证基于文本的LBF分类模型的精确度，构建了第一个专用的大型训练数据集，包含3000多个可手动标记的LBF样本，其平均细粒度分类准确率超过了90％。

公开(公告)号：CN113364731A

公开(公告)日：2021-09-07

申请号：CN202110392292.8

申请日：2021-04-13

Applicant: 南京大学

Inventor： 陈思依 ,  华景煜 ,  夏中舟 ,  仲盛

IPC: H04L29/06 ,  H04L29/08

Abstract: 本发明公开一种针对移动应用地理位置访问行为的细粒度分析方法，可以自动从应用中hook位置请求并确定其细粒度的精度要求，无需应用开发者的支持，以便我们在进行个性化位置隐私保护时平衡用户可用性与安全性。其关键点是识别应用中调用了位置的下游功能(其被称为基于位置的功能，简写为LBF)。首先找到与位置请求相关联的L‑UI，然后抓取其呈现的LBF文本。接下来，定义了LBF的类型，并对样本进行了打标。最后改进现有的NLP技术，通过分析文本的语义对相应的服务类型进行分类。为了保证基于文本的LBF分类模型的精确度，构建了第一个专用的大型训练数据集，包含3000多个可手动标记的LBF样本，其平均细粒度分类准确率超过了90％。