【技术实现步骤摘要】
一种边缘计算环境下基于区块链的群智感知激励方法
[0001]本专利技术属于群智感知
,具体是一种边缘计算环境下基于区块链的群智感知激励方法
技术介绍
[0002]随着智能时代的到来,群智感知(Mobile Crowd Sensing,简称MCS)利用带有传感器的移动设备来收集和共享数据,用户将MCS作为一种新的感知环境平台并在其中注册为工人以及任务提供商,服务器选择合适的工人来完成数据收集任务,工人上传符合条件的数据以获得奖励。群智感知在环境监测、医疗监管、智能家庭等领域都有广泛应用。
[0003]而激励方法是群智感知模型中至关重要的一环,设置合理的激励方法能激励更多的工人参与感知任务,并提供高质量的感知数据。现有群智感知应用中的激励方法主要分为信誉方法、互惠方法和基于电子货币的方法3类,信誉方法评价用户的信誉值,拥有高信誉值的用户可能获得更好的报酬。
[0004]在工人上传数据至获得报酬期间,可能会有恶意的工人上传无用或者低质量的数据进行女巫(sybil)攻击,也可能会有恶意的攻击者时刻想要窃取工人上传的任务数据,运用传统的第三方服务器架构服务器容易遭受到攻击,用户的隐私及数据容易遭到泄露,有相关工作将区块链与群智感知相结合,极大的提高了系统的安全性能,然而区块链是放弃了效率而换来安全性能,本专利技术综合考量了区块链技术的安全指标以及边缘计算所带来的效率提升,提出了边缘计算与区块链相结合的群智感知激励方法,此方法既保障了安全水准,也保证了整个系统的高质量任务完成效率。在此激励方法中,本专利技术 ...
【技术保护点】
【技术特征摘要】
1.一种边缘计算环境下基于区块链的群智感知激励方法,所述群智感知MCS的角色包括任务提供商,区块链网络,多个边缘节点和一些用户,包括以下步骤:S1、任务提供商在区块链网络上发布感知任务、激励公告和所需感知数据质量要求;S2、边缘节点在区块链网络上搜集周边符合要求的相对应的感知任务,自行通过任务手续费定价策略定制手续费价格并告知其下所在的用户;S3、此方法制定了边缘节点的信任管理,从不同的边缘节点中搜索其中可信赖的,移动用户根据边缘节点的筛选服务实时评估和更新边缘节点的信任度;S4、用户中的工人携带内置的传感器移动设备,每一个工人都有1个预估的任务代价c
i,k
;当工人估计的任务报酬p
k
不小于感知代价时,工人会接受此子任务,执行完任务后将任务数据通过智能合约以交易的方式上传给边缘节点;S5、边缘节点会初步筛选恶意的数据或者低质量的数据进行相对应的惩罚,最终会将除恶意数据以外的数据上传至任务提供商获得报酬并发放报酬给工人;2.根据权利要求1所述边缘计算环境下基于区块链的群智感知激励方法,其特征是在S2步骤中,本发明先对任务定义流行度以及制定边缘节点需要收取的任务手续费,包括以下步骤:S21.在不失一般性的前提下,本发明进一步认为任务的受欢迎程度遵循Zipf分布;这样,随着在一段时间(例如一天)内访问时间的降序,任务m
i,j,k
的受欢迎程度为其中γ是正值,用于控制请求模式中的偏斜度;当γ大时,受欢迎的任务占据了大部分任务请求;S22.每个边缘节点应该确定每一笔任务的手续费价格,并使其效用最大化;因此本发明将边缘节点的效用定义为:U
j
=p
j
V
j
‑
v
j
V
j i∈I
ꢀꢀ
(2)其中,p
j
是边缘节点对平均每个任务所收取的手续费,v
j
是筛选单位任务的计算成本,V
j
是移动用户从边缘节点j获得任务的平均需求;要确定手续费,每个边缘节点都应该知道任务的总需求;一般来说,当手续费高时,需求低,否则,低手续费会导致需求高;为了简单起见,利用一个典型的线性函数来描述需求和手续费价格之间的关系:其中,ε
j
是边缘节点j的手续费价格参数;从(3)中可以看出,移动用户的筛选需求与手续费参数成反比,手续费参数与多个因素有关,包括每个用户的期望筛选需求、所请求任务的大小、移动用户的数量和任务的受欢迎程度;结合(2)和(3),可以用以下方法重写边缘节点N
j
的效用函数:
因此,以效用最大化为目标,边缘节点j的最佳手续费为:3.根据权利要求1所述边缘计算环境下基于区块链的群智感知激励方法,其特征是在S3步骤中,移动用户可以通过对边缘节点的信任管理实时评估边缘节点的筛选服务和更新边缘节点的信任度:S31.令表示用户i和边缘节点j之间的第k次筛选交互的信任等级。S32.本发明分别通过PT
i,j
和NT
i,j
定义交互作用的正信任度和负信任度。考虑到信任随时间衰减,将信任度的值乘以其中t是当前交互时间,是衰减参数,t
k
是第k次交互的时间。这样,可以获得:互的时间。这样,可以获得:S33.其中n
i,j
(t
k
)是与边缘节点j与用户群体进行第k次互动时边缘节点中的移动用户数,是[0,t)时间段内边缘节点j中的最大移动用户数;为了减少恶意行为,引入了大于1的惩罚因子于1的惩罚因子其中Q是不确定因素;然后,可以得到由用户i评估的边缘节点j的信任程度T
i,j
=be
i,j
+σun
i,j
ꢀꢀ
(10)在此,σ是信任调整参数;S34.每个用户首先设置一个信任阈值来判断边缘节点是否值得信任,这是由:...
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。