移动群智感知激励方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了一种移动群智感知激励方法、装置、系统及存储介质，所述系统包括可信中心、任务请求者、感知工人、服务器平台；所述可信中心，用于生成盲因子密钥，帮助服务器平台获得任务真实位置的概率分布；所述任务请求者，用于生成任务盲频率向量，生成任务扰动位置并将结果和任务的描述文件发送给服务器；所述感知工人，用于扰动自身位置，向服务器发送扰动位置和投标信息；所述服务器平台，用于统计任务真实位置分布，发布位置扰动函数，接收扰动位置来估计任务位置和生成工人的投标任务集，并从竞标工人中选择赢家和决定报酬。本发明专利技术满足拍卖理想性质、双边位置隐私性，并实现了不可信平台下社会成本近似最小化。

【技术实现步骤摘要】
移动群智感知激励方法、装置、系统及存储介质
本专利技术涉及一种移动群智感知激励方法、装置、系统及存储介质，属于涉及信息安全和隐私保护

技术介绍
随着智能手机、智能手表等为代表的移动智能终端的普及，相关产业呈现井喷式增长，移动群智感知作为一种新兴范式被广泛使用。通常，由于消耗网络带宽、内存、CPU、电池使用量、个人时间、差旅费用等，如果工人没有足够的动力，他们不愿意参与，因此有人提出了基于逆向拍卖的激励系统，以此来吸引和招募工人。但在用户提供基于位置的服务时，需要工人提供位置信息，如果工人的位置数据直接上传，容易受到平台和第三方攻击者的侵害，可能导致物理监视、跟踪、身份盗用和敏感信息破坏，从而严重威胁并阻止工人参与。现有的大多数在MCS中保护用户位置的机制，都是在假设平台是可信任的前提下设计的，这实际并不符合现实应用。一些考虑了工人位置隐私，却忽略了任务位置隐私泄露的问题，而恶意的攻击者可能从任务位置可以推测出周围赢家工人的位置，这是隐式的隐私泄露问题。目前的位置隐私保护技术包括匿名、加密方案、数据扰动等，匿名是消除数据和提供者联系的有效方式，但是基于匿名的隐私保护方案可能容易受到链接攻击的影响。基于加密技术的密文计算比较距离的方法，在隐私保护方面提供良好性能，但常常具有较大的计算量和通信开销，并且没有考虑工人的策略行为。而数据扰动方法在鼓励工人参与时，往往没有考虑系统成本最小化，例如社会成本最小化，和任务质量要求。一方面，MCS系统下平台自然地追求社会成本的最小化，另一方面，任务的请求者希望工人提交的任务数据能够用来得到较好的任务结果，达到任务质量要求。差分隐私作为一种有前途的扰动方法，能够让请求者/工人不直接上传原始位置，而是扰动位置，平台能在只知道扰动位置的情况下，判断任务和工人的位置关系。另一方面在采用差分隐私来实现双边位置隐私保护后，能够比较容易地设计一种适用的基于逆向拍卖的激励系统。
技术实现思路
有鉴于此，本专利技术提供了一种移动群智感知激励方法、装置、系统及存储介质，其可以解决在诚实但好奇的不可信平台下如何保护任务和工人位置隐私、社会成本如何实现最小化、任务质量如何达到要求的问题，基于逆向拍卖来激励工人参与，采用差分隐私指数机制来保护双边位置隐私，采用赢家选择算法和赢家报酬决定算法来满足拍卖的理想性质(个体合理性、诚实性、计算有效性)，与现有技术相比，在平台不可信时，既保证没有较大的计算和通信开销，又允许工人的策略行为，同时支持保护双边(任务/工人)位置隐私以满足工人的隐私需求、支持保证任务质量感知以满足请求者的任务质量要求、支持社会成本最小化以满足系统的目标。本专利技术的第一个目的在于提供一种移动群智感知激励方法。本专利技术的第二个目的在于提供一种移动群智感知激励装置。本专利技术的第三个目的在于提供一种移动群智感知激励系统。本专利技术的第四个目的在于提供一种存储介质。本专利技术的第一个目的可以通过采取如下技术方案达到：一种移动群智感知激励方法，应用于服务器平台，所述方法包括：统计所有任务请求者的任务真实位置分布；制定满足差分隐私的任务位置扰动函数，并广播给每个任务请求者，以使每个任务请求者扰动自身的任务位置，根据任务位置扰动函数，获取该任务请求者自身任务的扰动位置；接收每个任务请求者发送的任务的扰动位置和任务的描述文件，根据任务的扰动位置和任务的真实位置分布，计算任务的估计位置；其中，任务的描述文件包括任务的质量计算函数、任务的质量要求阈值和任务的数据收集范围的半径；制定满足差分隐私的工人位置扰动函数，并广播给每个感知工人，以使每个感知工人扰动自身位置，根据工人位置扰动函数，获取该感知工人自身的扰动位置；接收每个感知工人发送的扰动位置和投标信息，根据所有任务的估计位置、所有感知工人的扰动位置和所有任务的数据收集范围的半径，获取感知工人的估计覆盖任务集合，结合投标信息中的最大可完成任务数量，进一步获取每个感知工人的投标任务集合；根据每个任务的质量计算函数、每个任务的质量要求阈值、每个工人的投标信息中的投标价格和投标任务集合，从竞标的感知工人中选择赢家，并决定支付给赢家们的报酬。进一步的，所述统计所有任务请求者的任务真实位置分布，具体包括：接收任务请求者的任务发布请求，通过可信中心生成盲因子矩阵，并将盲因子矩阵的每一行作为盲因子向量分别发送给每个任务请求者，以使每个任务请求者构造一个表示该任务请求者在网格位置上任务数量的向量，结合盲因子向量，计算任务的真实位置盲频率向量；接收所有任务请求者的任务真实位置盲频率向量，调用概率分布计算部件对所有的任务真实位置盲频率向量进行按位求和，得到不同网格位置的任务频率；根据不同网格位置的任务频率，计算任务的真实位置分布。进一步的，所述根据任务位置扰动函数，获取该任务请求者自身任务的扰动位置，具体包括：对于该任务请求者自身的任务，根据任务位置扰动函数，调用概率计算部件，计算扰动该任务的真实位置到每个扰动位置的概率；调用随机扰动部件，根据扰动该任务的真实位置到每个扰动位置的概率，随机选择一个扰动位置作为该任务的扰动位置。进一步的，所述根据任务的扰动位置和任务的真实位置分布，计算任务的估计位置，具体包括：对于每个任务，根据任务位置估计概率函数，计算该任务从扰动位置到每个真实位置的概率；根据该任务从扰动位置到每个真实位置的概率，随机选择一个真实位置作为该任务的估计位置，以得到全部任务的估计位置。进一步的，所述根据工人位置扰动函数，获取该感知工人自身的扰动位置，具体包括：对于该感知工人，根据工人位置扰动函数，调用概率计算部件，计算扰动该感知工人的真实位置到每个扰动位置的概率；调用随机扰动部件，根据扰动该感知工人的真实位置到每个扰动位置的概率，随机选择一个扰动位置作为感知工人的扰动位置。进一步的，所述根据所有任务的估计位置、所有感知工人的扰动位置和所有任务的数据收集范围的半径，获取感知工人的估计覆盖任务集合，结合投标信息中的最大可完成任务数量，进一步获取每个感知工人的投标任务集合，具体包括：根据所有感知工人的扰动位置，结合所有任务的估计位置和所有任务的数据收集范围的半径，判断感知工人wi是否在某个任务的数据收集范围内，若感知工人wi在某个任务的数据收集范围内，则该任务包含于感知工人的估计覆盖任务集合内；若感知工人wi的最大可完成任务数量λi小于估计覆盖任务集合中的任务数量，则从感知工人wi的估计覆盖任务集合中，选择离感知工人wi最近的λi个任务放入感知工人wi的投标任务集合Γi中，否则，直接将wi的估计覆盖任务集合作为wi的投标任务集合Γi。这样获取每个感知工人的投标任务集合。进一步的，所述根据每个任务的质量计算函数、每个任务的质量要求阈值、每个工人的投标信息中的投标价格和投标任务集合，从竞标的感知工人们中选择赢家，具体包括：根据全部任务的质量计算函数、全部任本文档来自技高网...

【技术保护点】
1.一种移动群智感知激励方法，应用于服务器平台，其特征在于，所述方法包括：/n统计所有任务请求者的任务真实位置分布；/n制定满足差分隐私的任务位置扰动函数，并广播给每个任务请求者，以使每个任务请求者扰动自身的任务位置，根据任务位置扰动函数，获取该任务请求者自身任务的扰动位置；/n接收每个任务请求者发送的任务的扰动位置和任务的描述文件，根据任务的扰动位置和任务的真实位置分布，计算任务的估计位置；其中，任务的描述文件包括任务的质量计算函数、任务的质量要求阈值和任务的数据收集范围的半径；/n制定满足差分隐私的工人位置扰动函数，并广播给每个感知工人，以使每个感知工人扰动自身位置，根据工人位置扰动函数，获取该感知工人自身的扰动位置；/n接收每个感知工人发送的扰动位置和投标信息，根据所有任务的估计位置、所有感知工人的扰动位置和所有任务的数据收集范围的半径，获取感知工人的估计覆盖任务集合，结合投标信息中的最大可完成任务数量，进一步获取每个感知工人的投标任务集合；/n根据每个任务的质量计算函数、每个任务的质量要求阈值、每个工人的投标信息中的投标价格和投标任务集合，从竞标的感知工人中选择赢家，并决定支付给赢家们的报酬。/n...

【技术特征摘要】
1.一种移动群智感知激励方法，应用于服务器平台，其特征在于，所述方法包括：
统计所有任务请求者的任务真实位置分布；
制定满足差分隐私的任务位置扰动函数，并广播给每个任务请求者，以使每个任务请求者扰动自身的任务位置，根据任务位置扰动函数，获取该任务请求者自身任务的扰动位置；
接收每个任务请求者发送的任务的扰动位置和任务的描述文件，根据任务的扰动位置和任务的真实位置分布，计算任务的估计位置；其中，任务的描述文件包括任务的质量计算函数、任务的质量要求阈值和任务的数据收集范围的半径；
制定满足差分隐私的工人位置扰动函数，并广播给每个感知工人，以使每个感知工人扰动自身位置，根据工人位置扰动函数，获取该感知工人自身的扰动位置；
接收每个感知工人发送的扰动位置和投标信息，根据所有任务的估计位置、所有感知工人的扰动位置和所有任务的数据收集范围的半径，获取感知工人的估计覆盖任务集合，结合投标信息中的最大可完成任务数量，进一步获取每个感知工人的投标任务集合；
根据每个任务的质量计算函数、每个任务的质量要求阈值、每个工人的投标信息中的投标价格和投标任务集合，从竞标的感知工人中选择赢家，并决定支付给赢家们的报酬。


2.根据权利要求1所述的移动群智感知激励方法，其特征在于，所述统计所有任务请求者的任务真实位置分布，具体包括：
接收任务请求者的任务发布请求，通过可信中心生成盲因子矩阵，并将盲因子矩阵的每一行作为盲因子向量分别发送给每个任务请求者，以使每个任务请求者构造一个表示该任务请求者在网格位置上任务数量的向量，结合盲因子向量，计算任务的真实位置盲频率向量；
接收所有任务请求者的任务真实位置盲频率向量，调用概率分布计算部件对所有的任务真实位置盲频率向量进行按位求和，得到不同网格位置的任务频率；
根据不同网格位置的任务频率，计算任务的真实位置分布。


3.根据权利要求1所述的移动群智感知激励方法，其特征在于，所述根据任务位置扰动函数，获取该任务请求者自身任务的扰动位置，具体包括：
对于该任务请求者自身的任务，根据任务位置扰动函数，调用概率计算部件，计算扰动该任务的真实位置到每个扰动位置的概率；
调用随机扰动部件，根据扰动该任务的真实位置到每个扰动位置的概率，随机选择一个扰动位置作为该任务的扰动位置。


4.根据权利要求1所述的移动群智感知激励方法，其特征在于，所述根据任务的扰动位置和任务的真实位置分布，计算任务的估计位置，具体包括：
对于每个任务，根据任务位置估计概率函数，计算该任务从扰动位置到每个真实位置的概率；
根据该任务从扰动位置到每个真实位置的概率，随机选择一个真实位置作为该任务的估计位置，以得到全部任务的估计位置。


5.根据权利要求1所述的移动群智感知激励方法，其特征在于，所述根据工人位置扰动函数，获取该感知工人自身的扰动位置，具体包括：
对于该感知工人，根据工人位置扰动函数，调用概率计算部件，计算扰动该感知工人的真实位置到每个扰动位置的概率；
调用随机扰动部件，根据扰动该感知工人的真实位置到每个扰动位置的概率，随机选择一个扰动位置作为感知工人的扰动位置。


6.根据权利要求1所述的移动群智感知激励方法，其特征在于，所述根据所有任务的估计位置、所有感知工人的扰动位置和所有任务的数据收集范围的半径，获取感知工人的估计覆盖任务集合，结合投标信息中的最大可完成任务数量，进一步获取每个感知工人的投标任务集合，具体包括：
根据所有感知工人的扰动位置，结合所有任务的估计位置和所有任务的数据收集范围的半径，判断感知工人wi是否在某个任务的数据收集范围内，若感知工人wi在某个任务的数据收集范围内，则该任务包含于感知工人的估计覆盖任务集合内；
若感知工人wi的最大可完成任务数量λi小于估计覆盖任务集合中的任务数量，则从感知工人wi的估计覆盖任务集合中，选择离感知工人wi最近的λi个任务放入感知工人wi的投标任务集合Γi中，否则，直接将wi的估计覆盖任务集合作为wi的投标任务集合Γi。


7.根据权利要求1-6任一项所述的移动群智感知激励方法，其特征在于，所述根据每个任务的质量计算函数、每个任务的质量要求阈值、每个工人的投标信息中的投标价格和投标任务集合，从竞标的感知工人们中选择赢家，具体包括...

【专利技术属性】
技术研发人员：张幸林，钟滢，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44