【技术实现步骤摘要】
基于雾计算的高效隐私保护感知大数据收集方法
本专利技术属于无线通信网络、无线传感器网络
，具体涉及一种基于雾计算的高效隐私保护感知大数据收集方法。
技术介绍
对于无线传感器网络(Wirelesssensornetwork,WSN)、adhoc和物联网(Internetofthings,IoT)应用而言，数据收集是不可或缺的。通常，这些网络中的组件(如传感器等)是受到资源的限制的，因此如何克服这些制约因素，发展节能的数据收集以及构建绿色通信网络成为一个巨大挑战。当前已提出的用于实现高效数据收集的方案可大致分成如下三类：基于数学模型、基于压缩感知(Compressivesensing,CS)和基于查询驱动的近似数据收集方案。然而，这些传统的数据处理过程或者结构，已无法满足大数据场景下地高效数据收集和处理的需求。大规模数据通常伴随着数据收集、处理和存储的巨大负担。如何缓解这些压力、提高服务质量是一个巨大的挑战。雾计算(对云计算的补充)是通过在网络边缘(本地)设备上执行数据处理的新模型。它可以减轻云中心的数据处理负担，降低远程通信开销，显著改善用户体验。雾计算的优点...
【技术保护点】
1.一种基于雾计算的高效隐私保护感知大数据收集方法，其特征在于：包括如下步骤：(1)设计分层的感知雾计算架构，所述感知雾计算架构自下而上依次分为相互连通的感知层、雾层和用户层；感知层由K个簇组成，每个簇包含L个感知节点，感知节点的采样周期为N；雾层由K个与簇相互对应进行数据传输的雾节点i组成；(2)感知节点在数据采样过程中获得压缩数据，并对压缩数据进行加密后发送给雾层；(3)雾层中的雾节点i对从感知层接收到的加密数据执行空间压缩操作，且雾节点i将得到的空间压缩数据发送到用户层；(4)所述用户层对从雾层收集到的空间压缩数据进行重建和解密。
【技术特征摘要】
1.一种基于雾计算的高效隐私保护感知大数据收集方法，其特征在于：包括如下步骤：(1)设计分层的感知雾计算架构，所述感知雾计算架构自下而上依次分为相互连通的感知层、雾层和用户层；感知层由K个簇组成，每个簇包含L个感知节点，感知节点的采样周期为N；雾层由K个与簇相互对应进行数据传输的雾节点i组成；(2)感知节点在数据采样过程中获得压缩数据，并对压缩数据进行加密后发送给雾层；(3)雾层中的雾节点i对从感知层接收到的加密数据执行空间压缩操作，且雾节点i将得到的空间压缩数据发送到用户层；(4)所述用户层对从雾层收集到的空间压缩数据进行重建和解密。2.如权利要求1所述的一种基于雾计算的高效隐私保护感知大数据收集方法，其特征在于：步骤(2)具体为：假设簇i∈{1,2,...K}中的感知节点p∈{1,2,...,L}其时间维度的原始数据为Xi,p＝[xi,p1xi,p2…xi,pN]，其中xi,pq,q∈{1,2,...,N}表示在簇i中感知节点p在时隙q时的数据；根据压缩采样理论，感知节点p可以在数据采样过程中获得压缩数据Yi,p＝Φ·Xi,p＝Φ·Ψ·Θi,p，其中，Φ∈Rn×N为观测矩阵，Ψ∈RN×N为对应Φ的稀疏基，Θi,p∈RN为稀疏系数向量，其中，R表示实数集，n表示经过时间维度上压缩采样后的数据大小，是一个自然数；针对压缩数据Yi,p进行采样扰动加密得到加密数据Y′i,p，所述采样扰动加密方法如下：其中Y′i,p∈Rn表示加密数据，表示密钥E和观测矩阵Φ做矩阵乘法的结果，即密钥E的元素满足高斯分布N(0,1/n)，最后，感知节点p将加密数据Y′i,p发送到雾节点i以进一步处理。3.如权利要求2所述的一种基于雾计算的高效隐私保护感知大数据收集方法，其特征在于：步骤(3)中将雾节点i接收到的加密数据Y′i,p排列为矩阵Yi′＝[Y′i,1Y′i,2…Y′i,L]，即每个簇具有L个感知节点，且Y′∈Rn×L，雾节点i对接收到的矩阵Yi′执行空间压缩操作，如下所示：Yi″T＝Φ′·Yi′T＝Φ′·[Y′i,1Y′i,2…Y′i,L]T＝Φ′·Ψ′·Θ′i＝Φ′·Ψ′·[Θ′i,1Θ′i,2…Θ′i,n],其中，Yi′T表示Yi′的转置，Φ′∈Rl×L表示空间观测矩阵，l表示经过空间维度上压缩采样后的L的大小，Ψ′∈RL×L表示对应Φ′的稀疏基，Θ′i,q∈RL,q′∈{1,...
【专利技术属性】
技术研发人员：陈思光，朱曦，汤蓓，王晓玲，王堃，代海波，孙雁飞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。