一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收集算法制造技术

本发明专利技术公开了一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收集算法，包括：感知服务器发布感知任务，感知服务器为每个注册的感知用户产生一对包含感知用户信誉级别的信誉证书；每个感知用户产生一个盲ID；感知服务器收到感知用户提交的感知数据包后，对盲ID进行身份认证，同时计算酬劳，为感知用户生成信誉反馈配给；感知用户采用非对称密码技术获得去盲的信誉反馈配给，随机等待一段时间后，请求感知服务器兑换酬劳；感知服务器收到酬劳兑换请求时，检查去盲的信誉反馈配给是否符合兑换条件，若符合则进行兑换，并更新感知用户的信誉级别。本发明专利技术在匿名前提下，对感知数据的质量进行了验证，保证了感知数据的匿名性和真实性。

【技术实现步骤摘要】

本专利技术涉及群智感知
，具体涉及一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收集算法。
技术介绍
群智感知主要指利用大规模的人群以较低的费用完成大规模的感知任务，一般通过按需发布感知任务，招募智能终端用户提供感知服务，通过众筹的方式获得大量的与目标应用相关的感知数据，在对感知数据进行大规模融合处理后，对公众提供服务。在不需要任何事先部署的情况下，群智感知可以利用无处不在的个人智能设备快速组建一个规模大到以往不敢想象的无线网络基础设施。相比于传统的无线传感器网络，群智感知克服了无线传感器网络部署难度大、维护成本高，用途单一等缺点，而且具有感知信息多种多样，感知覆盖空间范围更加广泛，感知随时随地的特点。因此，群智感知一出现就迅速得到了产业界和研究界的普遍关注和高度重视。目前，群智感知已经成为一个新的重要互联网应用模式，涵盖了人们生活的方方面面，包括社交网络、智能交通[Zhou2014]、环境监测[Ballesteros2012]、商业、医疗以及运输等领域，然而，群智感知作为一种新的研究领域，在大规模应用前还有很多问题亟待解决。首先，群智感知中用户隐私的保护问题。如果不能保护参与用户的个人隐私，即使有诱人的激励，用户的参与积极性也会大大降低。用户提交的感知数据标记有时间、空间、个人身份等敏感信息，会泄漏用户的真实身份、活动规律、政治观点、健康状况等个人隐私，而现有算法在关注用<br>户隐私保护的时候，基本上都是采用添加噪音类的数据转换、假名机制、位置隐匿等传统方法，并不能完全适应于群智感知应用，为此，需要研究一种既能激励用户参与，又能保护用户隐私的方法，以最大化用户的参与积极性。其次，群智感知中用户感知数据的真实性。群智感知应用开放的自然属性，使其比无线传感器网络更容易遭到数据污染攻击，而且保障数据的真实可信与保护用户的隐私往往是两个相互矛盾的目标。如果一个群智感知应用为了提高隐私保护，提供参与者完全实行匿名性，那么对已提交的数据的可信度就很难保证。现有研究工作要么针对群智感知中的隐私保护和匿名数据收集问题，要么针对非匿名数据的可信度模型问题，怎么评估匿名数据的可信度的相关研究还不多。因此，研究一个考虑用户隐私保护的数据可信度评估方法是一个重要而棘手的问题。隐私保护问题在社会网络以及无线网络中已经得到了广泛的研究，但群智感知中的隐私问题还是一个全新的领域。群智感知中的隐私涉及两个方面，其一是服务查询过程中查询者位置隐私的泄漏，为此需要隐藏用户的位置和用户身份，以避免用户的活动被关联，关于这方面的研究已经有较多研究成果[Khuong2012]等。其二是在提交感知数据的过程中个人隐私信息的保护。文献[Cristofaro2011]专门针对群智感知中的这类隐私保护，提出了一个在不泄漏用户身份的前提下，上传感知数据到服务器的方法。Wang等[Wang2012]针对群智感知应用，提出了一个单向路由层的匿名感知数据收集协议，该方法实现的难点是需要专门的硬件支持。Xing等[Xing2013]针对群智感知应用中的感知数据收集，提出了保护用户隐私的回归模型构建算法M-PERM，通过一系列的数据转换和聚合操作来达到不泄露用户数据隐私但又能较好的分析某类现象的目的。上述方法都不关心具体的感知数据，而只关注数据的统计分析结果，重在解释某类现象。Chen等[Chen2014]]则针对群智感知的一类具体应用，提出了一个保护用户隐私的高质量的地图产生算法。Li等[Li2013]的工作是目前为止唯一考虑了用户隐私的激励机制算法，但是他们要求可信第三方的存在，而且没有对激励机制的可行性给出理论证明。Stylianos等[Stylianos2014]针对群智感知应用，提出了一个安全的、用户隐私保护的体系结构SPPEAR，其主要贡献就是提出了一个综合的解决方案，但是SPPEAR引入了较多的系统角色，使得系统体系结构比较复杂。针对“身份隐匿的信任”问题，在传统的P2P网络里提出了匿名信誉系统[Muller2008]，这种系统主要基于假名和电子Cash技术，关注的是P2P网络中相互交互的用户之间的匿名等级，不支持负的信誉值。由于群智感知与P2P网络属性的不一样，导致这种匿名信誉系统不能直接应用。虽然也有些针对群智感知类应用的数据可信度方法提出[Wang2011]，但是这些方法都没有考虑群智感知中隐私和匿名的重要性。Luo等[Luo2014]通过社会学概念“裙带关系”以及用户之间相互的担保或被担保关系，提出了称之为SEW的激励机制，该机制附带能提高感知数据的真实性。通过文献检索发现，目前为止，考虑隐私和匿名性的数据真实性评价方法还是一个空白区域，亟待研究。
技术实现思路
本专利技术提供了一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收集算法，既能对感知用户的隐私进行保护，同时在匿名前提下，对感知数据的质量进行了验证，保证了感知数据的匿名性和真实性。一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收集算法，包括：步骤1，感知服务器发布感知任务；步骤2，感兴趣的感知用户到感知服务器上注册；步骤3，感知服务器为每个注册的感知用户产生一对包含感知用户信誉级别的信誉证书；步骤4，每个注册的感知用户产生一个盲ID，盲ID在每次提交感知数据包时能随机变化；步骤5，感知服务器收到感知用户提交的感知数据包后，利用非对称密码技术对盲ID进行身份认证，同时根据感知用户的竞价、数据质量和感知用户信誉计算酬劳，为对应的感知用户生成信誉反馈配给；步骤6，感知用户采用非对称密码技术获得去盲的信誉反馈配给，随机等待一段时间后，请求感知服务器兑换酬劳；步骤7，感知服务器收到酬劳兑换请求时，检查去盲的信誉反馈配给是否符合兑换条件，若符合则进行兑换，并更新感知用户的信誉级别。作为优选，一个感知数据包中包括两部分数据，分别为感知自证明和感知负载，其中感知自证明包括感知用户身份自证明和感知内容自证明，感知用户身份自证明包括盲ID和信誉证书，感知内容自证明至少包括时间、位置、感知模式和行进方式四个数据域。作为优选，步骤5中，数据质量Tf(r)利用下式计算得到：Tf(r)＝Tb(r)(1+Δr)式中：Tb(r)为感知数据r的初始可信度，Δr为相似度因子，表示感知数据r与感知数据集合中其他数据的相似度。作为优选，Tb(r)本文档来自技高网...

【技术保护点】
一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收集算法，其特征在于，包括：步骤1，感知服务器发布感知任务；步骤2，感兴趣的感知用户到感知服务器上注册；步骤3，感知服务器为每个注册的感知用户产生一对包含感知用户信誉级别的信誉证书；步骤4，每个注册的感知用户产生一个盲ID，盲ID在每次提交感知数据包时能随机变化；步骤5，感知服务器收到感知用户提交的感知数据包后，利用非对称密码技术对盲ID进行身份认证，同时根据感知用户的竞价、数据质量和感知用户信誉计算酬劳，为对应的感知用户生成信誉反馈配给；步骤6，感知用户采用非对称密码技术获得去盲的信誉反馈配给，随机等待一段时间后，请求感知服务器兑换酬劳；步骤7，感知服务器收到酬劳兑换请求时，检查去盲的信誉反馈配给是否符合兑换条件，若符合则进行兑换，并更新感知用户的信誉级别。

【技术特征摘要】
1.一种群智感知中基于移动感知用户匿名信誉的高可靠感知数据收
集算法，其特征在于，包括：
步骤1，感知服务器发布感知任务；
步骤2，感兴趣的感知用户到感知服务器上注册；
步骤3，感知服务器为每个注册的感知用户产生一对包含感知用户信
誉级别的信誉证书；
步骤4，每个注册的感知用户产生一个盲ID，盲ID在每次提交感知数
据包时能随机变化；
步骤5，感知服务器收到感知用户提交的感知数据包后，利用非对称
密码技术对盲ID进行身份认证，同时根据感知用户的竞价、数据质量和感
知用户信誉计算酬劳，为对应的感知用户生成信誉反馈配给；
步骤6，感知用户采用非对称密码技术获得去盲的信誉反馈配给，随
机等待一段时间后，请求感知服务器兑换酬劳；
步骤7，感知服务器收到酬劳兑换请求时，检查去盲的信誉反馈配给
是否符合兑换条件，若符合则进行兑换，并更新感知用户的信誉级别。
2.如权利要求1所述的群智感知中基于移动感知用户匿名信誉的高可
靠感知数据收集算法，其特征在于，一个感知数据包中包括两部分数据，
分别为感知自证明和感知负载，其中感知自证明包括感知用户身份自证明
和感知内容自证明，感知用户身份自证明包括盲ID和信誉证书，感知内容
自证明至少包括时间、位置、感知模式和行进方式四个数据域。
3.如权利要求1所述的群智感知中基于移动感知用户匿名信誉的高可
靠感知数据收集算法，其特征在于，步骤5中，数据质量Tf(r)利用下式计算
得到：
Tf(r)＝Tb(r)(1+Δr)
式中：Tb(r)为感知数据r的初始可信度，Δr为相似度因子，表示感知数
据r与感知数据集合中其他数据的相似度。
4.如权利要求3所述的群智感知中基于移动感知用户匿名信誉的高可

\t靠感知数据收集算法，其特征在于，Tb(r)为感知数据r的初始可信度，利用
下式计算得到：
Tb(r)=R^(Pi)*(1-Θr)(1-Ωr)*λr*μr]]>式中，为感知服务器基于R(Pi)产生的K匿名的离散的信誉近似
值；R(Pi)为感知用户Pi提交的历史感知数据的正确概率；Θr为位置距离因
子；Ωr为时间区段因子；λr为感知模式的可信度；μr为行进方式的可信度。
5.如权利要求4所述的群智感知中基于移动感知用户匿名信誉的高可
靠感知数据收集算法，其特...

【专利技术属性】
技术研发人员：谢满德，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江;33