群智感知中支持隐私保护的激励机制研究

• 作者: 司海峰 安健 杨倩 梁艳 胡先智
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 群智感知 隐私保护 激励机制 哈希函数 分布式压缩感知
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 群智协同
• 页码范围: 2414-2432
• 页数: 19页
• 分类号: TP309
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2020.02414

摘要

针对已有大多数研究在设计激励机制时未考虑用户的隐私泄露问题,本文提出一种支持隐私保护的激励机制综合方案IMPP(Incentive Mechanism with Privacy-Preserving in mobile crowd sensing).首先,基于轻量级隐私保护思想,采用单向安全哈希函数生成256位哈希值作为参与者的匿名身份标识,以此来保护参与者的身份隐私;其次,依据参与者的数据效用值、期望回报及感知任务预算实现面向数据质量的补偿激励,选择性价比最高的胜出者;接着,借助分布式压缩感知理论,对胜出者的原始感知数据压缩处理,得到剔除冗余的观测值,并在观测值中添加哈希函数值等噪扰数据后传送于服务器端聚合,以增强感知数据的隐私性保护,之后对隐私数据集进行完整性校验并重构;最后,利用真实数据集,通过仿真实验对IMPP的有效性进行对比分析.实验结果表明,IMPP机制在隐私保护水平、数据完整性、数据精确性、时间效率、评估准确率、重构匹配度及激励效果等方面是高效的.