一种遏制虚假感知攻击的方法、服务器及移动终端技术

本发明专利技术实施例提供了一种遏制虚假感知攻击的方法、服务器及移动终端，该方法包括：获取第一感知任务，根据第一感知任务制定第一支付规则；发送第一感知任务和第一支付规则到多个移动终端，以供移动终端根据第一支付规则选择是否参与第一感知任务；获取参与第一感知任务的多个移动终端发送的感知数据，对感知数据进行EM算法评估，获取每个感知数据对应的感知准确度；根据第一支付规则，基于每个感知数据对应的感知准确度，向每个移动终端支付相应的报酬；获取第二支付规则，第二支付规则根据第一感知任务的感知准确度，基于Q‑learning算法或DQN算法得到，第二支付规则用于下一次的感知任务。本发明专利技术实施例提供有遏制用户发送虚假感知攻击的效果。

【技术实现步骤摘要】
一种遏制虚假感知攻击的方法、服务器及移动终端
本专利技术实施例涉及群智感知领域，尤其涉及一种遏制虚假感知攻击的方法、服务器及移动终端。
技术介绍
随着智能手机、平板电脑、智能手表和智能手环等移动设备的迅猛增长，越来越多的移动设备配备了各种功能的传感器，如加速度计、陀螺仪、全球定位系统和温度计等，以这些移动设备为感知基本单元，逐渐形成了移动群智感知网络(MobileCrowdsesning，以下简称MCS)，通过与移动互联网的协作，分布感知任务并收集移动设备上传的感知数据，完成大规模的感知任务。因此，在环境、网络和交通监控等方面，MCS平台或服务器通过招募移动用户进行监控周围环境的状况，从而提供众多的服务。随着智能可编程无线设备的快速发展，用户可以对自如地控制他们的无线设备，例如，用户通过操控一些特有的嵌入式传感器，可以准确决定用于完成感知任务所要付出的努力，进一步会影响数据的质量。作为一个私人的智能手机用户会选择感知努力来最大化个人收益，而群智感知系统必须刺激用户提供准确的感测报告，并抑制伪造感测数据的攻击。否则，若用户得知在MCS任务中发送虚假感知数据不会受到惩罚，甚至某些智能手机用户被激励上传虚假感知数据进行攻击，将会导致MCS服务器接收到大量的低伪造的感知报告。为了解决上述问题，博弈论是制定MCS过程的重要手段，诸如拍卖、基于价格或基于信誉等机制，利用这些机制来激励用户为MCS任务作出贡献。其中，基于拍卖的MCS提出的解决方案支付出价最低的用户拍卖中的价格以节省成本。我们注意到的效用MCS服务器不仅仅依赖于对服务的支付用户，还取决于他们的位置，感应力度，和传感器的品质。因此，MCS服务器可以改进其传感性能通过评估传感质量并只招募提供准确的智能手机报告。移动感应服务器应用数据挖掘和学习算法来评估假感测报告可以抑制欺骗的动机。但是，由于评估错误，服务器在不知道用户的传感模型的情况下激发用户提供报告的准确性仍然得不到保障。由于评估方面出现的错误，服务器在对用户传感模型不知情的情况下如何激发用户提供准确的报告成为目前所面临的挑战。因此，现在亟需一种遏制虚假感知攻击的方法。
技术实现思路
本专利技术实施例为解决现有技术中MCS中的用户提供的感知报告准确性较低的缺陷，提供了一种遏制虚假感知攻击的方法、服务器及移动终端。第一方面，本专利技术实施例提供了一种遏制虚假感知攻击的方法，包括：101、获取第一感知任务，根据所述第一感知任务制定第一支付规则；102、发送所述第一感知任务和所述第一支付规则到多个移动终端，以供移动终端根据所述第一支付规则选择是否参与所述第一感知任务；103、获取参与所述第一感知任务的多个移动终端发送的感知数据，对所述感知数据进行EM算法评估，获取每个感知数据对应的感知准确度；104、根据所述第一支付规则，基于每个感知数据对应的感知准确度，向每个移动终端支付相应的报酬；105、获取第二支付规则，所述第二支付规则根据所述第一感知任务的感知准确度，基于Q-learning算法或DQN算法得到，所述第二支付规则用于下一次的感知任务。第二方面，本专利技术实施例提供了一种遏制虚假感知攻击的方法，包括：获取感知任务和支付规则；获取预估感知任务报酬，所述预估感知任务报酬根据所述感知任务和所述支付规则，基于感知质量预估得到；根据所述预估任务报酬选择是否接受所述感知任务，若接受，则在完成所述感知任务后，将所述感知任务的感知数据发送到服务器；接收所述感知任务相应报酬，所述感知任务相应报酬根据所述感知数据的感知准确度和所述支付规则得到。第三方面，本专利技术实施例提供了一种遏制虚假感知攻击的服务器，包括：第一处理模块，用于获取第一感知任务，根据所述第一感知任务制定第一支付规则；第一发送模块，用于发送所述第一感知任务和所述第一支付规则到多个移动终端，以供移动终端根据所述第一支付规则选择是否参与所述第一感知任务；第二处理模块，用于获取参与所述第一感知任务的多个移动终端发送的感知数据，对所述感知数据进行EM算法评估，获取每个感知数据对应的感知准确度；第一支付模块，用于根据所述第一支付规则，基于每个感知数据对应的感知准确度，向每个移动终端支付相应的报酬；第三处理模块，用于获取第二支付规则，所述第二支付规则根据所述第一感知任务的感知准确度，基于Q-learning算法或DQN算法得到，所述第二支付规则用于下一次的感知任务。第四方面，本专利技术实施例提供了一种遏制虚假感知攻击的移动终端，包括：第一获取模块，用于获取感知任务和支付规则；第二获取模块，用于获取预估感知任务报酬，所述预估感知任务报酬根据所述感知任务和所述支付规则，基于感知质量预估得到；选择模块，用于根据所述预估任务报酬选择是否接受所述感知任务，若接受，则在完成所述感知任务后，将所述感知任务的感知数据发送到服务器；报酬接受模块，用于接收所述感知任务报酬，所述感知任务报酬根据所述感知数据的感知准确度和所述支付规则得到。第五方面，本专利技术实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面或第二方面所述的遏制虚假感知攻击的方法。第六方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如第一方面或第二方面所述的遏制虚假数感知攻击的方法。本专利技术实施例提供的一种遏制虚假感知攻击的方法及装置，通过EM算法对每次感知任务的感知数据进行评估，并根据感知数据，利用Q-learning算法或者DQN算法学习到最佳的支付规则，激励用户发送最准确的感知数据，达到遏制用户发送虚假感知数据的效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的遏制虚假感知攻击的方法流程示意图；图2为本专利技术实施例提供的另一遏制虚假感知攻击的方法流程示意图；图3为本专利技术实施例提供的遏制虚假感知攻击的服务器结构示意图；图4为本专利技术实施例提供的遏制虚假感知攻击的移动终端结构示意图；图5为本专利技术实施例提供的计算机设备结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。MCS是一种以用户的智能手机、平板电脑或者可穿戴设备等移动设备作为基本感知节点，通过移互联网发布感知任务和收集感知数据的无线网络。博弈论是目前研究群智感知网络的重要手段，例如拍卖理论、定价理论以及信誉系统均被运用到群智感知网络中，以用于激励用户参与感知任务。然而，一些恶意用户为了自身的利益，将虚假感知数据发送到MCS，一方面使网络效益降低，另一方面，也使得网络感知报告的质量下降，甚至造成网络堵塞。图1为本专利技术实施例提本文档来自技高网...

【技术保护点】
1.一种遏制虚假感知攻击的方法，其特征在于，包括：101、获取第一感知任务，根据所述第一感知任务制定第一支付规则；102、发送所述第一感知任务和所述第一支付规则到多个移动终端，以供移动终端根据所述第一支付规则选择是否参与所述第一感知任务；103、获取参与所述第一感知任务的多个移动终端发送的感知数据，对所述感知数据进行EM算法评估，获取每个感知数据对应的感知准确度；104、根据所述第一支付规则，基于每个感知数据对应的感知准确度，向每个移动终端支付相应的报酬；105、获取第二支付规则，所述第二支付规则根据所述第一感知任务的感知准确度，基于Q‑learning算法或DQN算法得到，所述第二支付规则用于下一次的感知任务。

【技术特征摘要】
1.一种遏制虚假感知攻击的方法，其特征在于，包括：101、获取第一感知任务，根据所述第一感知任务制定第一支付规则；102、发送所述第一感知任务和所述第一支付规则到多个移动终端，以供移动终端根据所述第一支付规则选择是否参与所述第一感知任务；103、获取参与所述第一感知任务的多个移动终端发送的感知数据，对所述感知数据进行EM算法评估，获取每个感知数据对应的感知准确度；104、根据所述第一支付规则，基于每个感知数据对应的感知准确度，向每个移动终端支付相应的报酬；105、获取第二支付规则，所述第二支付规则根据所述第一感知任务的感知准确度，基于Q-learning算法或DQN算法得到，所述第二支付规则用于下一次的感知任务。2.根据权利要求1所述的方法，其特征在于，在所述获取第二支付规则，所述第二支付规则根据所述第一感知任务的感知准确度，基于Q-learning算法或DQN算法得到，所述第二支付规则用于下一次的感知任务之后，包括：基于下一次的感知任务和所述第二支付规则，重复步骤102至105，更新当前状态的效益值，直至群智感知网络的总效益收敛。3.根据权利要求1或2所述的方法，其特征在于，所述获取第二支付规则，所述第二支付规则根据所述第一感知任务的感知准确度，基于Q-learning算法或DQN算法得到，包括：根据所述第一感知任务的感知准确度，基于Q-learning算法或DQN算法得到多个支付规则；根据ε-greedy算法从多个支付规则中选取目标支付规则作为第二支付规则。4.根据权利要求1所述的方法，其特征在于，所述获取第一感知任务，根据所述第一感知任务制定第一支付规则，包括：将已分类的感知数据作为初始感知数据；获取第一感知任务，根据所述第一感知任务和相应的初始感知数据制定第一支付规则。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一支付规则，基于每个感知数据对应的感知准确度，向每个移动终端支付相应的报酬，包括：若所述感知准确度小于等于第一阈值，确定所述感知数据是虚假数据攻击；若所述感知准确度大于第一阈值并小于等于第二阈值，确定所述感知数据是目标感知数据；若所述感知数据大于所述第二阈值，确定所述感知数据是超额感知数据；对确定为所述目标感知数据和所述超额感知数据的...

【专利技术属性】
技术研发人员：刘杨，张珍杰，关建峰，许长桥，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11