一種群智感知中基于移動感知用戶匿名信譽(yù)的高可靠感知數(shù)據(jù)收集算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及群智感知技術(shù)領(lǐng)域，具體涉及一種群智感知中基于移動感知用戶匿名 信譽(yù)的高可靠感知數(shù)據(jù)收集算法。
【背景技術(shù)】
[0002] 群智感知主要指利用大規(guī)模的人群以較低的費(fèi)用完成大規(guī)模的感知任務(wù)，一般通 過按需發(fā)布感知任務(wù)，招募智能終端用戶提供感知服務(wù)，通過眾籌的方式獲得大量的與目 標(biāo)應(yīng)用相關(guān)的感知數(shù)據(jù)，在對感知數(shù)據(jù)進(jìn)行大規(guī)模融合處理后，對公眾提供服務(wù)。
[0003] 在不需要任何事先部署的情況下，群智感知可以利用無處不在的個人智能設(shè)備快 速組建一個規(guī)模大到以往不敢想象的無線網(wǎng)絡(luò)基礎(chǔ)設(shè)施。相比于傳統(tǒng)的無線傳感器網(wǎng)絡(luò)， 群智感知克服了無線傳感器網(wǎng)絡(luò)部署難度大、維護(hù)成本高，用途單一等缺點(diǎn)，而且具有感知 信息多種多樣，感知覆蓋空間范圍更加廣泛，感知隨時隨地的特點(diǎn)。因此，群智感知一出現(xiàn) 就迅速得到了產(chǎn)業(yè)界和研究界的普遍關(guān)注和高度重視。目前，群智感知已經(jīng)成為一個新的 重要互聯(lián)網(wǎng)應(yīng)用模式，涵蓋了人們生活的方方面面，包括社交網(wǎng)絡(luò)、智能交通[Zhou 2014]、 環(huán)境監(jiān)測[Ballesteros 2012]、商業(yè)、醫(yī)療以及運(yùn)輸?shù)阮I(lǐng)域，然而，群智感知作為一種新的 研究領(lǐng)域，在大規(guī)模應(yīng)用前還有很多問題亟待解決。
[0004] 首先，群智感知中用戶隱私的保護(hù)問題。如果不能保護(hù)參與用戶的個人隱私，即使 有誘人的激勵，用戶的參與積極性也會大大降低。用戶提交的感知數(shù)據(jù)標(biāo)記有時間、空間、 個人身份等敏感信息，會泄漏用戶的真實(shí)身份、活動規(guī)律、政治觀點(diǎn)、健康狀況等個人隱私， 而現(xiàn)有算法在關(guān)注用戶隱私保護(hù)的時候，基本上都是采用添加噪音類的數(shù)據(jù)轉(zhuǎn)換、假名機(jī) 制、位置隱匿等傳統(tǒng)方法，并不能完全適應(yīng)于群智感知應(yīng)用，為此，需要研究一種既能激勵 用戶參與，又能保護(hù)用戶隱私的方法，以最大化用戶的參與積極性。
[0005] 其次，群智感知中用戶感知數(shù)據(jù)的真實(shí)性。群智感知應(yīng)用開放的自然屬性，使其比 無線傳感器網(wǎng)絡(luò)更容易遭到數(shù)據(jù)污染攻擊，而且保障數(shù)據(jù)的真實(shí)可信與保護(hù)用戶的隱私往 往是兩個相互矛盾的目標(biāo)。如果一個群智感知應(yīng)用為了提高隱私保護(hù)，提供參與者完全實(shí) 行匿名性，那么對已提交的數(shù)據(jù)的可信度就很難保證?，F(xiàn)有研究工作要么針對群智感知中 的隱私保護(hù)和匿名數(shù)據(jù)收集問題，要么針對非匿名數(shù)據(jù)的可信度模型問題，怎么評估匿名 數(shù)據(jù)的可信度的相關(guān)研究還不多。因此，研究一個考慮用戶隱私保護(hù)的數(shù)據(jù)可信度評估方 法是一個重要而棘手的問題。
[0006] 隱私保護(hù)問題在社會網(wǎng)絡(luò)以及無線網(wǎng)絡(luò)中已經(jīng)得到了廣泛的研究，但群智感知中 的隱私問題還是一個全新的領(lǐng)域。群智感知中的隱私涉及兩個方面，其一是服務(wù)查詢過程 中查詢者位置隱私的泄漏，為此需要隱藏用戶的位置和用戶身份，以避免用戶的活動被關(guān) 聯(lián)，關(guān)于這方面的研究已經(jīng)有較多研究成果[Khuong 2012]等。
[0007] 其二是在提交感知數(shù)據(jù)的過程中個人隱私信息的保護(hù)。文獻(xiàn)[Cristofaro 2011] 專門針對群智感知中的這類隱私保護(hù)，提出了一個在不泄漏用戶身份的前提下，上傳感知 數(shù)據(jù)到服務(wù)器的方法。Wang等[Wang 2012]針對群智感知應(yīng)用，提出了一個單向路由層的 匿名感知數(shù)據(jù)收集協(xié)議，該方法實(shí)現(xiàn)的難點(diǎn)是需要專門的硬件支持。Xing等[Xing 2013] 針對群智感知應(yīng)用中的感知數(shù)據(jù)收集，提出了保護(hù)用戶隱私的回歸模型構(gòu)建算法M-PERM， 通過一系列的數(shù)據(jù)轉(zhuǎn)換和聚合操作來達(dá)到不泄露用戶數(shù)據(jù)隱私但又能較好的分析某類現(xiàn) 象的目的。
[0008] 上述方法都不關(guān)心具體的感知數(shù)據(jù)，而只關(guān)注數(shù)據(jù)的統(tǒng)計(jì)分析結(jié)果，重在解釋某 類現(xiàn)象。Chen等[Chen 2014]]則針對群智感知的一類具體應(yīng)用，提出了一個保護(hù)用戶隱私 的高質(zhì)量的地圖產(chǎn)生算法。Li等[Li 2013]的工作是目前為止唯一考慮了用戶隱私的激勵 機(jī)制算法，但是他們要求可信第三方的存在，而且沒有對激勵機(jī)制的可行性給出理論證明。 Stylianos等[Stylianos 2014]針對群智感知應(yīng)用，提出了一個安全的、用戶隱私保護(hù)的 體系結(jié)構(gòu)SPPEAR，其主要貢獻(xiàn)就是提出了一個綜合的解決方案，但是SPPEAR引入了較多的 系統(tǒng)角色，使得系統(tǒng)體系結(jié)構(gòu)比較復(fù)雜。
[0009] 針對"身份隱匿的信任"問題，在傳統(tǒng)的P2P網(wǎng)絡(luò)里提出了匿名信譽(yù)系統(tǒng)[Muller 2008]，這種系統(tǒng)主要基于假名和電子Cash技術(shù)，關(guān)注的是P2P網(wǎng)絡(luò)中相互交互的用戶之 間的匿名等級，不支持負(fù)的信譽(yù)值。由于群智感知與P2P網(wǎng)絡(luò)屬性的不一樣，導(dǎo)致這種匿 名信譽(yù)系統(tǒng)不能直接應(yīng)用。雖然也有些針對群智感知類應(yīng)用的數(shù)據(jù)可信度方法提出[Wang 2011]，但是這些方法都沒有考慮群智感知中隱私和匿名的重要性。Luo等[Luo 2014]通過 社會學(xué)概念"裙帶關(guān)系"以及用戶之間相互的擔(dān)?；虮粨?dān)保關(guān)系，提出了稱之為SEW的激勵 機(jī)制，該機(jī)制附帶能提高感知數(shù)據(jù)的真實(shí)性。
[0010] 通過文獻(xiàn)檢索發(fā)現(xiàn)，目前為止，考慮隱私和匿名性的數(shù)據(jù)真實(shí)性評價方法還是一 個空白區(qū)域，亟待研究。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明提供了一種群智感知中基于移動感知用戶匿名信譽(yù)的高可靠感知數(shù)據(jù)收 集算法，既能對感知用戶的隱私進(jìn)行保護(hù)，同時在匿名前提下，對感知數(shù)據(jù)的質(zhì)量進(jìn)行了驗(yàn) 證，保證了感知數(shù)據(jù)的匿名性和真實(shí)性。
[0012] -種群智感知中基于移動感知用戶匿名信譽(yù)的高可靠感知數(shù)據(jù)收集算法，包括：
[0013] 步驟1，感知服務(wù)器發(fā)布感知任務(wù)；
[0014] 步驟2,感興趣的感知用戶到感知服務(wù)器上注冊；
[0015] 步驟3,感知服務(wù)器為每個注冊的感知用戶產(chǎn)生一對包含感知用戶信譽(yù)級別的信 譽(yù)證書；
[0016] 步驟4,每個注冊的感知用戶產(chǎn)生一個盲ID，盲ID在每次提交感知數(shù)據(jù)包時能隨 機(jī)變化；
[0017] 步驟5,感知服務(wù)器收到感知用戶提交的感知數(shù)據(jù)包后，利用非對稱密碼技術(shù)對盲 ID進(jìn)行身份認(rèn)證，同時根據(jù)感知用戶的競價、數(shù)據(jù)質(zhì)量和感知用戶信譽(yù)計(jì)算酬勞，為對應(yīng)的 感知用戶生成信譽(yù)反饋配給；
[0018] 步驟6,感知用戶采用非對稱密碼技術(shù)獲得去盲的信譽(yù)反饋配給，隨機(jī)等待一段時 間后，請求感知服務(wù)器兌換酬勞；
[0019] 步驟7,感知服務(wù)器收到酬勞兌換請求時，檢查去盲的信譽(yù)反饋配給是否符合兌換 條件，若符合則進(jìn)行兌換，并更新感知用戶的信譽(yù)級別。
[0020] 作為優(yōu)選，一個感知數(shù)據(jù)包中包括兩部分?jǐn)?shù)據(jù)，分別為感知自證明和感知負(fù)載，其 中感知自證明包括感知用戶身份自證明和感知內(nèi)容自證明，感知用戶身份自證明包括盲ID 和信譽(yù)證書，感知內(nèi)容自證明至少包括時間、位置、感知模式和行進(jìn)方式四個數(shù)據(jù)域。
[0021] 作為優(yōu)選，步驟5中，數(shù)據(jù)質(zhì)量Tf(r)利用下式計(jì)算得到：
[0022] Tf (r) = Tb (r) (1+ΔΓ)
[0023] 式中：Tb (r)為感知數(shù)據(jù)r的初始可信度，A1^為相似度因子，表示感知數(shù)據(jù)r與感 知數(shù)據(jù)集合中其他數(shù)據(jù)的相似度。
[0024] 作為優(yōu)選，Tb(r)為感知數(shù)據(jù)r的初始可信度，利用下式計(jì)算得到：
[0026] 式中，似為感知服務(wù)器基于R(P1)產(chǎn)生的K匿名的離散信譽(yù)近似值；R(P 1)為感 知用戶P1提交的歷史感知數(shù)據(jù)的正確概率；Θ 1^為位置距離因子；Ω 1^為時間區(qū)段因子；λ ^ 為感知模式的可信度；^為行進(jìn)方式的可信度。
[0027] 作為優(yōu)選，利用下式計(jì)算時間區(qū)段因子：
[0029] 式中，^為時間區(qū)段因子；β為時間敏感參數(shù)；Ts表示感知時間Jt表示感知任 務(wù)的目標(biāo)時間；S。表示引入時間隱匿技術(shù)后，隱匿時間區(qū)段的中間時刻。
[0030] 作為優(yōu)選，利用下式計(jì)算位置距離因子：
[0032] 式中：^為位置距離因子；α表示位置敏感參數(shù)；L 3表示感知的具體位置；L ,表 示感知任務(wù)的目標(biāo)位置；D。表示引入空間隱匿技術(shù)后，隱匿空間的直徑。
[0033] 作為優(yōu)選，利用下