一种基于参与者可靠度和任务匹配的可信数据感知方法技术

本发明专利技术公开了一种基于参与者可靠度和任务匹配的可信数据感知方法。移动群智感知网络的感知数据质量对构建高质量的应用和为公众提供高质量的服务至关重要。然而，移动群智感知网络存在不诚实的参与者通过伪造虚假或恶意的数据而骗取报酬。本发明专利技术以网络中已有的可靠的参与者感知的数据作为基准检验未知的参与者上传的数据的真实性，根据参与者上传的数据的真实性来识别值得信赖的参与者，并计算参与者的可靠度。通过参与者的可靠度，构建参与者能力与任务匹配模型。在以后的感知任务中，平台按照匹配好的规则向参与者分配感知任务，以提高网络中数据的采集质量和系统的健壮性。以提高网络中数据的采集质量和系统的健壮性。以提高网络中数据的采集质量和系统的健壮性。

【技术实现步骤摘要】
一种基于参与者可靠度和任务匹配的可信数据感知方法


[0001]本专利技术属于群智感知网络数据感知领域，特别涉及如何提高网络中感知数据的质量的方法。

技术介绍

[0002]移动群智感知是智慧城市中的一种新的感知模式，其通过无处不在的参与者利用移动设备来有效地收集数据，为智慧城市中构建大规模的智能应用提供基础服务。群智感知通过系统平台发布数据感知任务，其感知任务的具体属性包含采集的地理位置，采集的任务类型，任务截至时间等。感知任务的参与者，即指持有移动终端设备的人或者其它感知设备，按照上述的属性完成任务的感知，将感知后的数据上传至平台，平台按照约定的规则给予参与者相应的报酬。
[0003]由于，任务参与者上传的数据质量直接影响感知服务平台的质量。然而，网络中的的任务参与者身份都是未知的，存在不诚实的参与者。这些不诚实参与者为了达到骗取平台报酬或攻击系统的目的而提交一些恶意或虚假的数据，导致平台利益受损，甚至给系统带来灾难使其无法为用户提供高质量的服务，对用户造成损害。而且，不同的参与者在执行不同的任务时感知的性能存在一定的差异性，也就是参与者在感知某类型任务的数据时表现出较高的品质，而感知另一类任务时表现的品质却比较低。由于不同参与者持有的感知设备不同，因而对不同类型任务的感知能力是不同的，并且不同厂家生产的移动终端的摄像设备、语音设备、湿度传感器等传感设备性能存在差异，导致设备性能表现参差不齐。由于设备的差异性会往往会使持有高精度感知设备的参与者感知的数据的质量更高，而持有低质量感知设备的参与者感知的数据质量较低。我们把参与者的表现与设备的差异性统称为参与者感知的可靠度，例如，有的参与者在执行静态图像采集任务时，能捕获到高质量的图像，而有的参与者对于执行静态图像采集任务表现一般，所捕获的图像质量较差，但其具有较好的动态图像采集任务的执行能力，能捕获高质量的动态图像。而在当前的移动群智感知网络中，平台为任务分配参与者时没有考虑到参与者对于不同类型任务的可靠度，也就是参与者的能力与任务不相匹配，从而导致参与者感知不到高质量数据。然而，如何根据参与者的能力，匹配其与能力所擅长的任务，面临严峻的挑战。首先，参与者在感知任务时，其身份是未知的，如何识别不可信的参与者是提高平台数据质量的前提条件；其次，在识别出的可信的参与者中，如何发现参与者在不同任务类型下的可靠度，是改善数据的质量的关键；最后，如何在不同的参与者能胜任多种不同任务的时，参与者与任务的匹配关系最优化，是提高数据质量的最终目标。因此，本专利技术针对以上问题提出了一种有效的解决方法。

技术实现思路

[0004]本专利技术提出一种基于参与者可靠度和任务匹配的可信数据感知方法。本专利技术针对移动群智感知网络中存在不诚实的参与者会向平台上传虚假或恶意的数据，诚实的参与者对于不同类型的任务有着不同能力表现，平台未按照其感知能力而分配任务，导致接收到
低质量的数据，而提出一种发现参与者在不同类型任务中的可靠度，并根据其可靠度优化任务与参与者两者之间的最佳匹配关系，从而选取能力最佳的参与者执行任务的方法以提高群智网络中的数据质量。在群智网络的数据真相推理中，以往的解决方案采用数学统计方式，如均值推理，众数推理，中位数推理，权重推理等方法，无法正确地鉴别参与者提交的数据质量。在实际中，以上方法共同的特点就是只检验了参与者是否可信的，忽略了任务类型的多样性与参与者能力的局限性对数据真相的推理带来的影响。与以往的方法不同的是：首先，本专利技术基于初始化时平台中存在一部分可靠的参与者，这些可靠的参与者擅长各自领域的任务数据的感知。在分配任务时，平台向这些可靠的参与者分配其所擅长的任务，同时平台也随机向网络中身份未知的参与者分配与可靠的参与者相同的任务，使身份未知的和可靠的参与者在同一时空内感知数据。其次，可靠的参与者和身份未知的参与者将采集完成后的数据反馈至平台，平台获取到可靠的参与者和身份未知的参与者上传的两种数据后，会按照可靠的参与者报告的数据的特性对身份未知的参与者提交的数据进行真实性检验。再次，平台根据未知的参与者报告的任务数据的真实情况，计算其在特定任务下的可靠度，根据可靠度在身份未知的参与者中挑选出可靠的参与者。由于挑选出的可靠参与者与任务之间是多对多的关系，也就是说可靠的参与者同时可能擅长多种任务，并且参与者之间的能力存在交集，影响任务的分配。最后，平台为了便于向可靠的参与者精准分配任务，利用其在不同类型任务中的可靠度，建立参与者和任务之间的匹配模型。这样一来随着时间的推移，在后续的任务中，越来越多的参与者身份得以检验，加入到网络中，从而提升数据的检验效率，也避免不诚实的参与者为了骗取平台报酬或攻击平台而伪造虚假或恶意的数据。平台在分配感知任务时，会优先向匹配策略匹配出的参与者分配与之能力对应的任务，使平台能获取到高质量的数据，从而提高移动群智感知网络中的数据真相推理平台的健壮性。
具体实施方式
[0005]下面将本专利技术的具体实现步骤做进一步的说明：
[0006](1)平台分配参与者对数据进行采集；在系统初始时，平台随机向n个未知的参与者分配k个感知任务V＝{v1,
…
,v
k
}，其中，表示第i个信任度未知的参与者，v
i
表示第i个任务；n个信任度未知的参与者对任务V中的若干位置进行数据感知，感知的数据集合标记为其中，表示第i个未知的数据样本；在这n个参与者感知数据的同时，也派网络中已有的m个可靠的参与者对所擅长的任务V＝{v1…
v
k
}进行数据采集，其中，表示第i个可靠的参与者；这m个参与者产生的数据集合标记为基准真相其中，第i个基准数据样本；n个信任度未知的参与者与m个可靠的参与者将采集的数据D
UNK
和D
GT
上传至平台；
[0007](2)平台利用D
GT
检测D
UNK
中的数据样本的真实性；系统对给定基准数据集D
GT
中的每个样本做高斯分布估计；对数据样本求取其参数μ和σ2，μ是数据样本均值，σ2是数据样本的标准差；给定的数据集D
GT
服从一个随机分布模型，将与模型偏离的数据样本
视为异常样本，即虚假的数据；我们通过以下公式计算整个数据集的概率密度函数，从而计算每个数据样本的概率：
[0008][0009]将基准真相D
GT
代入上述函数，如求解真相D
GT
下的每个数据样本的概率，根据其概率密度分布确定D
GT
下的概率阈值ε；再将待检测的数据D
UNK
代入上述函数求出概率密度，若表示此时未知的参与者上传的数据是虚假的，其属性表示为反之表示此时上传的数据是真实的，其属性表示为若参与者未上传数据，其属性表示为
[0010](3)平台根据W
UNK
上传的数据的真实性，计算其可靠度；在任务v
i
中的可靠度越高，意味着感知的任务v
i
...

【技术保护点】

【技术特征摘要】
1.一种基于参与者可靠度和任务匹配的可信数据感知方法，其特征包括以下步骤：步骤一、在系统初始时，平台随机向n个未知的参与者分配k个感知任务V＝{v1,
…
,v
k
}，其中，表示第i个信任度未知的参与者，v
i
表示第i个任务；n个信任度未知的参与者对任务V中的若干位置进行数据感知，感知的数据集合标记为n个信任度未知的参与者对任务V中的若干位置进行数据感知，感知的数据集合标记为其中，表示第i个未知的数据样本；在这n个参与者感知数据的同时，也派网络中已有的m个可靠的参与者对所擅长的任务V＝{v1…
v
k
}进行数据采集，其中，表示第i个可靠的参与者；这m个参与者产生的数据集合标记为基准真相其中，第i个基准数据样本；n个信任度未知的参与者与m个可靠的参与者将采集的数据D
UNK
和D
GT
上传至平台；步骤二、系统对给定基准数据集D
GT
中的每个样本做高斯分布估计；对数据样本求取其参数μ和σ2，μ是数据样本均值，σ2是数据样本的标准差；给定的数据集D
GT
服从一个随机分布模型，将与模型偏离的数据样本视为异常样本，即虚假的数据；我们通过以下公式计算整个数据集的概率密度函数，从而计算每个数据样本的概率：将基准真相D
GT
代入上述函数，如求解真相D
GT
下的每个数据样本的概率，根据其概率密度分布确定D
GT
下的概率阈值ε；再将待检测的数据D
UNK
代入上述函数求出概率密度，若表示此时未知的参与者上传的数据是虚假的，其属性表示为反之表示此时上传的数据是真实的，其属性表示为若参与者未上传数据，其属性表示为步骤三、平台根据W
UNK
上传的数据的真实性，计算其可靠度；在任务v
i
中的可靠度越高，意味着感知的任务v
i
数据精度越高；由于可靠度是一个缓慢累积的过程，系统不会因为上传过一次真实的数据就大幅度提高其可靠度，也不会对一测定终身；因此为了避免不诚实的参与者欺骗或攻击平台，系统多次用相同领域的任务数据去检测D
UNK
，也就是在j个周期下计算W
UNK
的在多个相同领域的目标任务下的可靠度其中，T
ji
表示在j个周期下的可靠度，计算公式如下：在时刻t里，如果则在目标任务v
i
的可靠度增长1，若则w
i
在目标任务v
i
的T

【专利技术属性】
技术研发人员：康云川，白静，刘安丰，
申请(专利权)人：中南大学，
类型：发明
国别省市：