[发明专利]基于位置隐私保护和欺骗者检测的空间众包质量控制模型

摘要

本发明提出了一种基于位置隐私保护和欺骗者检测的空间众包质量控制模型，具体包括以下步骤实现：以众包平台为可信的第三方，首先根据请求者发布的任务制定工作者的位置隐私保护策略，然后对工作者提交的位置隐私进行k匿名模糊，将受保护的位置信息传递给请求者；使用训练好的ELM对测试数据进行普通工作者和spammer的分类检测；EM算法估算误差率，采用期望最大值算法对误差率进行估算。一方面，采用空间k‑匿名算法来保护一般空间外包人员的位置隐私。另一方面，使用ELM算法来检测欺骗者，并使用EM算法来估计错误率。通过选择不同的参数，对该模型的效率进行仿真，结果表明，本发明提出的空间众包模型能够在保护员工隐私的前提下，保证众包项目的质量。

主权项

1.一种基于位置隐私保护和欺骗者检测的空间众包质量控制模型，其特征在于：具体包括以下步骤实现：S1.基于空间匿名技术的隐私保护模型S1.1空间众包位置k匿名：在空间众包中，工作者的位置属性为准标识符；在空间匿名区域中，空间众包中的任一工作者的位置不能从其他至少k‑1个工作者的位置中区分出来；S1.2位置的θ隐私：P(U_t)表示用户在t时刻处于位置U的概率，L_t表示攻击者收集到的用户在时刻t前发布的位置数据，则，P(U_t|L_t)‑P(U_t)≤θ   (1)式(1)中θ是攻击者能够获得的最大攻击效果；S1.3基于空间匿名技术的隐私保护模型的实现步骤：以众包平台为可信的第三方，首先根据请求者发布的任务制定工作者的位置隐私保护策略，接下来对工作者提交的位置隐私进行k匿名模糊，并将受保护的位置信息传递给请求者；S2.ELM识别spammer的过程如下，其中spammer为欺骗类型的工作者；S2.1分析数据，对工作者行为序列在时间上进行分组，计算其每组再现频率；S2.2将工作者行为、任务时长、位置信息序列化成工作者信息矩阵；S2.3确定ELM模型参数，使用工作者信息矩阵对单隐层前馈神经网络进行训练；S2.4使用训练好的ELM对测试数据进行普通工作者和spammer的分类检测；S3.EM算法估算误差率，采用期望最大值算法对误差率进行估算，所述期望最大值算法即EM算法，具体步骤如下：S3.1 E‑step定义m维向量μ，μ_i(1≤i≤m)表示任务T_i的正确结果是1的后验概率，即：以正确率作为MV算法的权重初始化μ：其中，t代表第t次迭代，p为任务正确结果为1的期望概率，S3.2 M‑step根据E‑step中μ的期望，估计p的值：计算极大似然估计，得到误差率变量的估计值：采用如下Q函数：判断Q函数是否收敛，其中ε为收敛阈值，若Q函数未收敛，返回E‑step，开始下一次迭代；否则返回估计结果μ并结束计算。