一种基于激励机制的车联网隐私感知数据调度方法技术

本发明专利技术公开了一种基于激励机制的车联网隐私感知数据调度方法，首先通过平衡源节点，转发节点和目的节点之间的收益来鼓励车辆承担不同的任务，同时使它们获得正收益。其次，车辆通过激励机制参与任务后，为了提升任务完成的效率，先完成关键任务。然后，为了使完成的关键任务信息能够安全的传输至目的车辆，通过数据干扰机制来实现车辆与云服务器之间的数据传输的安全性和私密性。最后，通过该激励机制，使车辆遵守加密方案。发明专利技术解决了车辆自私性的问题,使车辆参与到任务的执行中，从而使网络的效用最大化，同时，本发明专利技术提供了保护完成的关键任务信息的数据干扰机制，使得关键信息安全的传输至目的车辆，从而保护车辆隐私信息。

A privacy aware data scheduling method based on incentive mechanism for Internet of vehicles

【技术实现步骤摘要】
一种基于激励机制的车联网隐私感知数据调度方法
本专利技术属于车联网数据传输
，涉及一种车辆参与任务的隐私感知调度方法，特别涉及一种用于识别关键任务的车联网隐私感知数据传输的方法。
技术介绍
随着无线传感器网络和物联网的快速发展，车联网(VehicularNetworks)已成为一种新兴技术，具有广泛的工业应用，例如智能驾驶，对象跟踪，智能交通系统，广告投放管理。具体而言，通过识别云服务器上的关键任务，可以将车载网络应用于提高城市居民的工作效率。车辆包括两种通信方式，分别是车和基础设施通信(VehicletoInfrastructure)，车和车通信(VehicletoVehicle)。但是，它们仍然容易受到数据包丢失，通信延迟，调度问题和恶意网络攻击等问题的影响。尤其是恶意节点窃取和篡改关键信息可能会给车载网络造成巨大的损失。因此，隐私感知数据调度变得非常重要。通常情况下，利用激励机制提升任务的参与率，任务将被分为关键任务或普通任务。例如，在诸如通过车辆分发商业广告之类的用例中，关键任务是如何将有价值的产品准确地推荐给目标消费者。然而，现有的关键任务识别和激励机制主要用于移动人群感知系统，车辆在车辆网络中的移动性比移动人群感知系统中对象的移动性快得多。因此，需要研究新的关键任务识别方法和激励机制来高效识别和完成关键任务。
技术实现思路
本专利技术的目的是使车联网中的数据可靠和安全的进行传输，同时使网络效用最大化，提升车辆完成任务的效率和安全性。本专利技术所采用的技术方案是：一种基于激励机制的车联网隐私感知数据调度方法，由多维激励机制、关键任务识别和数据干扰机制三个部分组成；其特征在于，包括以下步骤：步骤1：依据效用函数、福利函数和得分函数激励车辆参与车联网中的任务；在保证效用函数为正，同时车辆在参与任务时，福利函数和得分函数会更大，从而使车辆更愿意参与任务；步骤2：车辆在受到激励参与任务之后，识别关键任务并获得更多的时间完成该关键任务；依据新验证关键任务的期望数和未验证关键任务的期望数Kti之间的关系在最短的时间内识别出关键任务；步骤3：依据干扰条件1：和干扰条件2：对完成的关键任务信息安全传输至目的车辆；其中，是车辆的可靠性水平，S是赢家集合，Γi是任务集合，Pr(.)是概率函数，是随机数，是基础变量，βj是由系统为该任务选择的参数，i表示第i个碎片文件，τj表示第j辆车的任务，wi表示第i个工人。本专利技术与现有技术相比具有如下优点和有益效果：(1)目前现有的激励机制仅适用于移动人群感知环境下，该激励效果较差，较为耗时，而本方法缩小了激励的范围，具有更好的性能。(2)与现有的激励机制相比，本专利技术具有关键任务识别和安全隐私保护功能，能更好的保护用户隐私。(3)本专利技术使用效用函数、福利函数和得分函数激励车辆参与任务，实现了更高的任务参与率。同时，本专利技术使用关键任务识别方法来识别关键任务，提高了完成关键任务的效率。附图说明图1为本专利技术实施例的流程图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，本专利技术提供的一种基于激励机制的车联网隐私感知数据调度方法，由多维激励机制、关键任务识别和数据干扰机制三部分组成；具体包括以下步骤：步骤1：依据效用函数、福利函数和得分函数激励车辆参与车联网中的任务；在保证效用函数为正，同时车辆在参与任务时，福利函数和得分函数会更大，从而使车辆更愿意参与任务；本实施例中，依据接收者m对高质量视频θm,t碎片质量的收益及其先前的碎片比特率定义效用函数：其中XQ(r,θm,t)是接收者m对高质量视频θm,t碎片质量上获得的收益；假设XQ(r,θm,t)表示在t时刻，比特率为r的单个文件碎片的质量增益函数，其中表示在t时刻，当文件从较高比特率传输降为较低比特率传输时接收者m的损失；在发送者n对接收者m的下载操作中，福利函数定义为接收者m的效用和发送者n的成本之间的差：Wnm,t(r)＝Um,t(r)-Cn,t(r)；其中Cn,t(r)是发送者n的成本，假定不同任务的成本彼此独立，因此成本Cn,t(r)表示为：定义F(r,p)是有效的得分函数：F(r,p)＝|MA|+p-Cn,t(r)；其中MA表示由云端调度系统确定的源节点和目的节点之间兴趣信息的匹配度，它表示为：其中SC是源节点的成本，DC是目标节点的成本；p是系统分配所有文件碎片时发送者n支付的价格，用于计算节点的得分。步骤2：车辆在受到激励参与任务之后，识别关键任务并获得更多的时间完成该关键任务；依据新验证关键任务的期望数和未验证关键任务的期望数Kti之间的关系在最短的时间内识别出关键任务；本实施例中，车辆通过对关键任务和普通任务的计算和分析来确定最终的关键任务；在第i轮的所有子任务中都有ci个时隙，表明车辆的执行时间将消耗ci·tfield，其中ci也是帧大小，tfield是每个时隙获取关键字段的时间；具体实现过程是：在第i轮的所有子任务中都有ci个时隙，表明车辆的执行时间将消耗ci·tfield，其中ci也是帧的大小，tfield是每个时隙获取关键字段的时间；车辆将消耗的执行时间表示为Ti，已验证任务的期望数和未验证任务的期望数Kti由车辆消耗的执行时间Ti确定:然后，根据当前轮和前一轮中未验证关键任务的期望数Kti之间的关系，获得识别关键任务的最小轮次数，其中未验证关键任务的期望数假设为正实数；通过求解执行时间与已验证的关键任务的期望数之比的最小值，可以在最短的时间内确定关键任务；完成该任务之后能够获得更大的价值的任务为关键任务，依据得分函数判断关键任务，得分最高的任务为关键任务。步骤3：依据干扰条件1：和干扰条件2：对完成的关键任务信息安全传输至目的车辆；其中，是车辆的可靠性水平，S是赢家集合，Γi是任务集合，Pr(.)是概率函数，是随机数，是基础变量，βj是由系统为该任务选择的参数，i表示第i个碎片文件，τj表示第j辆车的任务，wi表示第i个工人；本实施例中，采用数据干扰机制，首先应用差分隐私技术保护车辆的隐私；其次，车辆的效用和成本保持在合理的范围内；最后，根据可靠性水平和随机参数的设置，数据干扰机制满足条件1和条件2，从而保护完整的关键任务信息。通过在确保车辆参与任务的同时满足条件1和条件2，服务器获得安全的数据结果；其具体实现包括以下子步骤：步骤3.1：首先用差分隐私技术进行隐私保护；差分隐私是将M:(χ∪{⊥})N×K→RK×1作为映射机制，可以映射到干扰结果向量R的任何输入数据矩阵，(χ∪{⊥})N×K表示所有工作人员的数据，其中χ表示工作人员的数据，{⊥}表示传感器任务的数据，N表示一组工人，K表示一组传感任务；然后，当且仅当本文档来自技高网...

【技术保护点】
1.一种基于激励机制的车联网隐私感知数据调度方法，由多维激励机制、关键任务识别和数据干扰机制三个部分组成；其特征在于，包括以下步骤：/n步骤1：依据效用函数、福利函数和得分函数激励车辆参与车联网中的任务；在保证效用函数为正，同时车辆在参与任务时，福利函数和得分函数会更大，从而使车辆更愿意参与任务；/n步骤2：车辆在受到激励参与任务之后，识别关键任务并获得更多的时间完成该关键任务；依据新验证关键任务的期望数

【技术特征摘要】
1.一种基于激励机制的车联网隐私感知数据调度方法，由多维激励机制、关键任务识别和数据干扰机制三个部分组成；其特征在于，包括以下步骤：
步骤1：依据效用函数、福利函数和得分函数激励车辆参与车联网中的任务；在保证效用函数为正，同时车辆在参与任务时，福利函数和得分函数会更大，从而使车辆更愿意参与任务；
步骤2：车辆在受到激励参与任务之后，识别关键任务并获得更多的时间完成该关键任务；依据新验证关键任务的期望数和未验证关键任务的期望数Kti之间的关系在最短的时间内识别出关键任务；
步骤3：依据干扰条件1：和干扰条件2：对完成的关键任务信息安全传输至目的车辆；其中，是车辆的可靠性水平，S是赢家集合，Γi是任务集合，Pr(.)是概率函数，是随机数，是基础变量，βj是由系统为该任务选择的参数，i表示第i个碎片文件，τj表示第j辆车的任务，wi表示第i个工人。


2.根据权利要求1所述的基于激励机制的车联网隐私感知数据调度方法，其特征在于：步骤1中，依据接收者m对高质量视频θm,t碎片质量的收益及其先前的碎片比特率定义效用函数：



其中XQ(r,θm,t)是接收者m对高质量视频θm,t碎片质量上获得的收益；假设XQ(r,θm,t)表示在t时刻，比特率为r的单个文件碎片的质量增益函数，其中表示在t时刻，当文件从较高比特率传输降为较低比特率传输时接收者m的损失；
在发送者n对接收者m的下载操作中，福利函数定义为接收者m的效用和发送者n的成本之间的差：
Wnm,t(r)＝Um,t(r)-Cn,t(r)；
其中Cn,t(r)是发送者n的成本，假定不同任务的成本彼此独立，因此成本Cn,t(r)表示为：
定义F(r,p)是有效的得分函数：
F(r,p)＝|MA|+p-Cn,t(r)；
其中MA表示源节点和目的节点之间兴趣信息的匹配度，它表示为：其中SC是源节点的成本，DC是目标节点的成本；p是系统分配所有文件碎片时发送者n支付的价格，用于计算节点的得分。


3.根据权利要求2所述的基于激励机制的车联网隐私感知数据调度方法，其特征在于：步骤2中，车辆通过对关键任务和普通任务的计算和分析来确定最终的关键任务；在第i轮的所有子任务中都有ci个时隙，表明车辆的执行时间将消耗ci·tfield，其中ci也是帧大小，tfield是每个时隙获取关键字段的时间；
步骤2的具体实现过程是：在第i轮的所有子任务中都有ci个时隙，表明车辆的执行时间将消耗ci·tfield，其中ci也是帧的大小，tfield是每个时隙获取关键字段的时间；
车辆将消耗的执行时间表示为Ti，已验证任务的期望数和未验证任务的期望数Kti由车辆消耗的执行时间Ti确定:然后，根据当前轮和前一轮中未验证关键任务的期望数Kti之间的关系，获得识别关键任务的最小轮次数，其中未验证关键任务的期望数假设为正实数；通过求解执行时间与已验证的关键任务的期望数之比的最小值，可以在最短的时间内确定关键任务；完成该任务之后能够获得更大的价值的任务为关键任务，依据得分函数判断关...

【专利技术属性】
技术研发人员：吴黎兵，夏有华，王志波，夏振厂，
申请(专利权)人：武汉大学深圳研究院，
类型：发明
国别省市：广东;44