【技术实现步骤摘要】
基于联盟链的群智感知场景下分布式激励方法
[0001]本专利技术涉及联盟链技术和分布式激励
,尤其涉及一种基于联盟链的群智感知场景下分布式激励方法。
技术介绍
[0002]群智感知是一种新的大规模数据感知模式,可以高质量、多元化实现感知任务。为了获取数据,该模式下需要设计相应的激励机制鼓励用户参与。目前的激励机制多存在过度依赖中心化平台以及缺乏合适的方法评估数据可信度等问题,区块链是一种去中心化和数据不可篡改的新技术,是一种解决该问题的新技术。
[0003]由于群智感知依赖中心化平台和数据的中心化存储,导致群智感知存在以下两个问题:1)如何实现分布式激励解决传统激励过度依赖中心化平台?2)如何评估用户提供的感知数据可信度问题?
[0004]为了解现有技术的发展状况,对已有的论文和专利进行了检索、比较和分析,筛选出如下与本专利技术相关度比较高的技术信息:
[0005]技术方案1:公开号CN108364190A(申请号CN201810015963.7)提出一种结合信誉更新的移动群智感知在线激励方法,通过将感知过程建模为在线随机的拍卖模型,在其中考虑用户提交数据的质量,基于数据质量等客观分和主观分值,计算用户信誉分,结合用户历史和现实信誉情况设计更新在线激励的方法,这种方法可以有效提高数据效用。
[0006]技术方案2:公开号CN108055119A(申请号CN201711307609.3)提出一种群智感知应用中基于区块链的安全激励方法和系统,通过将用户端和服务端作为区块链的交易双方进 ...
【技术保护点】
【技术特征摘要】
1.基于联盟链的群智感知场景下分布式激励方法,其特征在于,联盟链部署合约定义如下:合约A:为属性集存储合约,用于将用户提交的属性集写入区块链;合约B:为多属性拍卖合约,用于根据评分函数计算中标用户,调用合约A获取用户上传数据集,并根据效用函数计算排名,返回到服务端;合约C:为信誉更新合约,用于将用户注册时基本信息以及用户信誉度、奖励值存储到区块链,并根据用户信誉是否符合阈值将信誉、奖励写入链上。合约D:为感知数据合约,用于将每次更新信誉值后大于设定阈值的用户感知数据写入到区块链,并对数据是否篡改进行校验;并采用以下步骤:S1、用户调用合约C注册个人信息到区块链,并初始化个人信誉值;S2、任务平台发布感知任务,用户调用合约A将对应任务的属性集写入区块链;S3、区块链调用合约B执行多属性拍卖算法,根据评分函数对用户属性集进行排序,任务平台根据区块链上的排名结果通知用户上传感知数据;S4、任务平台采用基于地理K
‑
最近邻离群点检测算法对用户感知数据进行可信评估,并根据评估结果调用合约C获取用户当前信誉值和奖励值,并将该任务对应的感知数据的哈希值保存在区块链上,并使用存储的哈希来验证数据的完整性;S5、执行用户信誉更新算法,得到用户的更新信誉后,通过调用合约C判断用户信誉是否低于阈值,确定信誉满足阈值的用户后,调用用户在S1上传的属性集,获取奖励值,反馈中标信息给用户。2.根据权利要求1所述的基于联盟链的群智感知场景下分布式激励方法,其特征在于,步骤S2中的属性集A
attr
包括用户投标价格ep、采样频率ad、采用时间at、感知位置pl、定位精度pa和投标失败次数bn。3.根据权利要求2所述的基于联盟链的群智感知场景下分布式激励方法,其特征在于,步骤S3的多属性拍卖算法模型为M:M={P,I,A
attr
,U
b
,B
attr
,S
attr
}P为任务发起者或者平台,I为任务投标者,A
attr
为对应属性集合,U
b
为效用函数,B
attr
为参与用户提交的属性向量集合,S
attr
是拍卖方设定的评分函数。4.根据权利要求3所述的基于联盟链的群智感知场景下分布式激励方法,其特征在于,效用函数U
b
的公式为:w是属性权重,A对应属性值,参数α确保属性的边际效用不增加。5.根据权利要求3所述的基于联盟链的群智感知场景下分布式激励方法,其特征在于,评分函数与效用函数保持一致。6.根据权利要求3所述的基于联盟链的群智感知场景下分布式激励方法,其特征在于,步骤S2的多属性拍卖算法执行前进行属性值归一化处理,其方法为:成本类型:假定n个人投标attr包括期望价格ep和定位精度pa,成本公式为:
收益类型:包括采样频率ad、采样时间at和中标失败次数bn,收益公式为:感知位置pl区间属性:[q1,q2]是设置的一个固定区间。7.根据权利要求1所述的基于联盟链的群智感知场...
【专利技术属性】
技术研发人员:芮兰兰,高志鹏,李保辉,杨杨,刘会永,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:
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。