基于联盟链的群智感知场景下分布式激励方法技术

本发明专利技术公开了一种基于联盟链的群智感知场景下分布式激励方法，首先提出基于Hyperledger Fabric的分布式激励架构，并设计基于多属性拍卖的智能合约，实现用户选择链上逻辑和分布式激励，缓解用户对中心化平台和用户的过度依赖。其次本发明专利技术提出基于地理位置和相似性的K

【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行交易，由区块链节点验证感知数据质量，克服了可信第三方面临的安全隐患。同时利用区块链的分布式架构实现了安全激励。
[0007]然而，现有的群智感知激励方法中，技术方案1通过结合用户历史和现实信誉情况设计更新在线激励方法，可以有效提升用户信誉。但该方案采用的仍旧是基于可信第三方实现的在线激励过程，技术方案1并不能很好地处理中心化问题。技术方案2提出的群智感知应用中基于区块链的安全激励方法和系统，可以充分利用区块链的分布式架构避免中心化问题，但是数据验证放在区块链节点对于大量数据验证存在一定性能问题。因此，需要提供一种群智感知场景下很好地处理中心化且数据可靠的分布式激励方法。

技术实现思路

[0008]有鉴于此，本专利技术提出一种基于联盟链的群智感知场景下分布式激励方法，解决激励问题面临的中心化和数据不可靠问题。
[0009]为了实现上述目的，本专利技术提供如下技术方案：
[0010]基于联盟链的群智感知场景下分布式激励方法，其中，联盟链部署合约定义如下：
[0011]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；
[0012]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；
[0013]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。
[0014]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；
[0015]并采用以下步骤：
[0016]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；
[0017]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；
[0018]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；
[0019]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；
[0020]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。
[0021]进一步地，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。
[0022]进一步地，步骤S3的多属性拍卖算法模型为M：
[0023]M＝{P，I，A
attr
，U
b
，B
attr
，S
attr
}
[0024]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。
[0025]进一步地，效用函数U
b
的公式为：
[0026][0027]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。
[0028]进一步地，评分函数与效用函数保持一致。
[0029]进一步地，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：
[0030]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：
[0031][0032]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：
[0033][0034]感知位置pl区间属性：
[0035][0036][q1，q2]是设置的一个固定区间。
[0037]进一步地，步骤S4中可信评估采用基于地理K
‑
最近邻离群点检测算法，主要流程如下：
[0038]S401、用户上传的感知数据集DataSet(T
i
)：
[0039]DataSet(T
i
)＝{T1，T2，...，T
n
}
[0040]T
i
＝{id
i
，time
i
，longitude
i
，latitude
i
，dataitem
i
}
[0041]id
i
为编号，time
i
为获取感知数据的时间，long itude
i
为经度，latitude
i
为纬度，dataitem
i
为感知数据；
[0042]计算用户(X，Y)数据相似度F
sin(X，Y)
：
[0043][0044]X，Y是用户提供的数据向量，m
i
是第i列数据的平均值，d是维度；
[0045]S402、计算用户相似度矩阵W本文档来自技高网...

【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：