[发明专利]基于对称加密和双层真值发现的连续群感知激励方法

说明书

本发明针对连续群智感知中隐私保护、感知数据不可靠和收集感知数据量少等问题，提出了一种基于对称加密和双层真值发现的连续群感知激励方法。首先，使用对称加密算法对感知数据进行隐私保护，在隐私要求较高并且所需参与计算的感知数量较大时，降低计算开销，减少奖励计算时间；其次，提出基于双层真值发现模型进行数据可靠性评估的激励机制，实现连续群智感知的实时奖励，并在参与者有恶意行为时提高奖励公平性；最后，给出了所提方法的双重隐私性分析。数值仿真结果表明本发明所提方法可以有效的计算真值，并根据数据可靠性进行奖励计算，在计算奖励分发时间上明显优于对比的模型，并且在参与者有恶意行为时能够更加公平的计算奖励。

技术领域

本发明涉及群智能感知系统激励方法领域，具体是一种基于对称加密和双层真值发现的连续群感知激励方法。

背景技术

移动群智能感知(Mobile crowd sensing,MCS)系统具有收集感知数据方式灵活，部署成本低等优点。随着便携式设备的普及，MCS得到了迅速的发展与广泛的应用，并以连续感知为代表的群智感知已广泛应用于智慧城市服务中。为提供实时和可靠的感知服务，连续群智感知通常要求有尽可能多的任务参与者提供感知数据。然而，因为任务参与者的行为是不可控的并且其设备具有差异性，所以最终收集的感知数据的质量也是不尽相同。并且，出于对个人隐私的保护，会降低任务参与者参与感知任务的积极性。参与任务所需要花费的代价，例如时间，需要设备的计算量等也会影响任务参与者是否能够主动参与感知任务[7]。综上，连续群智感知应用将很难收集到足够可靠的大量感知数据。为了使得更多的任务参与者接收感知任务并提供可靠的数据，需要解决激励机制设计、数据可靠性评估、隐私保护和系统执行效率的问题。

群体智能感知通常使用金钱型激励机制来提高用户的参与度。虽然采用金钱型激励机制能够实现有效并且真实的激励，但是如何合理地分配奖励给任务参与者仍然是一个挑战。同时，虽然可以基于感知数据质量为任务参与者提供一个合理且公平的奖金，但是对于任务参与者来说，感知数据也是一种不愿意被其他实体获得的隐私信息。如何实现评估数据的可靠性并保护任务参与者的隐私仍然是一个挑战。现有隐私保护方法大都使用Paillier同态加密技术，虽然可以实现数据的隐私保护，但是其计算复杂度较高，导致系统开销大。所以在隐私要求较低并且所需要的参与计算的感知数量较大时，如何减少系统的计算量，进而提高系统执行效率仍然是一个挑战。

此外，越来越多的连续群智感知系统需要实时收集所需感知数据，因此MCS感知数据的收集通常需要流数据。然而现有方案大都无法实现连续感知任务中流数据的隐私保护并进行相应奖励的分发。为支持连续感知的流数据并实现实时的奖励分发，通常采用时间片机制将流数据分片处理，然后对单个时间片上的感知数据进行数据可靠性评估的隐私保护以及分发实时的奖励。然而，在时间片上进行真值发现并基于感知质量进行实时奖金的分发时，会存在恶意的任务参与者为了获得更多的奖励通过共谋的方式提交不可靠的感知数据，从而使得感知数据的评估真值偏离真实值的情况，并且在这个时间片上诚实的任务参与者也无法获得公平的奖励，所以如何在时间片上有恶意任务参与者时实现更加公平的实时奖励仍然时一个挑战。

发明内容

本发明的目的是提供一种基于对称加密和双层真值发现的连续群感知激励方法，以解决现有技术群智能感知系统由于隐私性问题难以收集大量感知数据，以及难以实现实时公平奖励的问题。

为了达到上述目的，本发明所采用的技术方案为：

基于对称加密和双层真值发现的连续群感知激励方法，构建由连续感知平台A、连续感知平台B构成的连续群感知系统，其中连续感知平台A负责招募多个任务参与者，向任务参与者和连续感知平台B分发密钥，以及计算任务参与者的任务奖励并为任务参与者提供相应的报酬；连续感知平台B则在加密的情况下计算感知任务的估计真值和对应任务参与者的权重，方法过程如下：

步骤1、连续感知平台A广播感知任务，招募多个任务参与者；