一种面向移动群智感知的隐私保护真值发现方法技术

本发明专利技术涉及一种面向移动群智感知的隐私保护真值发现方法，属于移动群智感知隐私保护技术领域。本方法利用随机矩阵乘法、数据扰动技术、真值发现技术和超级递增序列技术，通过构造基于随机矩阵乘法和数据扰动技术实现加密与检索，基于真值发现技术实现用户可靠性量化分析和任务的真值发现，基于超级递增序列技术实现多任务同时执行真值发现。本方法支持在不泄露数据隐私和任务隐私等用户隐私的基础上，面向移动群智感知场景，实现高效和准确的用户可靠性量化和真值发现，同时保护数据隐私和任务隐私。对比现有技术，本方法在隐私保护程度、用户可靠性量化评估准确性、真值发现准确性和真值发现效率方面，具有显著优势。具有显著优势。具有显著优势。

【技术实现步骤摘要】
一种面向移动群智感知的隐私保护真值发现方法


[0001]本专利技术涉及一种适用于移动群智感知场景中的真值发现方法，具体涉及一种面向移动群智感知的隐私保护真值发现方法，属于移动群智感知隐私保护


技术介绍

[0002]移动群智感知，是指结合众包思想和移动设备感知能力的一种数据获取方式，大规模的普通用户通过其自身携带的智能移动设备来采集感知数据并上传到服务器，服务提供商对感知数据进行记录处理，最终完成感知任务，并利用收集的数据给用户提供日常所需服务的过程。近些年，随着各种移动设备和可穿戴设备(如智能手机、手表手环、平板电脑、联网汽车等)的普及，其内置传感器(如加速计、陀螺仪、摄像头、指南针、GPS、麦克风、车载电话等)的存在逐渐被重视，利用这些传感设备收集的数据可以分析提取许多有用信息。
[0003]近年来，移动群智感知通过利用移动用户的智慧和资源解决许多具有挑战性的问题，已经受到越来越多的关注。例如，在医疗保健系统中，它可以通过汇总患者的治疗结果来评估新药的效果；在交通监控系统中，它可以通过收集其他司机的交通报告来帮助司机制定最佳驾驶计划；在智能推荐系统中，它可以帮助公司根据客户填写的问卷提供更准确的服务。尽管移动群智感知前景很有吸引力，但由不同用户提供的数据的质量可能会有很大差异。因此，如何从数据质量参差不齐的用户数据中获得准确的结果(称为真值)，成为了移动群智感知技术中一个重要问题。
[0004]为了解决这一问题，真值发现技术作为一种在没有先验知识的情况下有效估计用户可靠性和真值的技术，受到了相当多的关注。真相发现技术所遵循的原则是：如果一个用户更可靠，则他/她的数据更有可能被选择为真值，如果用户的数据更接近估计的真值，则用户就会更可靠。
[0005]然而，考虑到用户隐私和移动群智感知中真值发现效率的问题，设计一种适用于移动群智感知场景的真值发现方法，是一项十分具有挑战的任务。在用户隐私方面，移动群智感知中用户上传的任务和感知数据往往与用户自身的身份、位置、健康状态等隐私信息相关。例如，患者对新药的反馈对于评价药物的效果很有价值，但患者的健康状况可能会从反馈中得到披露。如果没有隐私保护，用户可能不愿意贡献自己的数据，进而移动众感应用地发展受到严重阻碍。此外，由于移动群智感知场景具有用户数量规模大和用户移动设备资源受限的特点，导致真值发现效率成为移动群智感知中设计真值发现应用的一个严重挑战。
[0006]为了实现隐私保护的真值发现，国内外研究人员根据各种加密工具，如同态密码系统和乱码电路等，提出了众多的隐私保护真值发现方法。然而，由于移动众感应用程序通常涉及大量的用户和各种任务，这些基于传统耗时密码工具的真值发现方法在参与实体之间都存在巨大的计算开销，导致真值发现效率很低。为了解决真值发现的效率问题，一些研究人员利用轻量级的密码学工具，如数据扰动和差分隐私等，改进了隐私保护的真值发现方法。但是，现在的解决方案均没有考虑到任务的隐私性问题。

技术实现思路

[0007]本专利技术的目的是针对现有技术存在的问题和不足，为了解决移动群智感知任务中面临的用户隐私易泄露、用户可靠性难以量化、真值发现准确性难以保障，以及大规模数据真值发现的开销高、效率低等技术问题，创造性地提出一种面向移动群智感知的隐私保护真值发现方法。
[0008]本专利技术基于随机矩阵乘法和数据扰动技术的加密与检索方法和基于超级递增序列技术和真值发现技术的多任务隐私保护真值发现方法，支持在不泄露数据隐私和任务隐私等用户隐私的基础上，面向移动群智感知场景，实现高效和准确的用户可靠性量化和真值发现。
[0009]本方法的创新点在于：利用随机矩阵乘法、数据扰动技术、真值发现技术和超级递增序列技术，支持在不泄露数据隐私和任务隐私等用户隐私的基础上，面向移动群智感知场景，实现高效和准确的用户可靠性量化和真值发现，同时保护数据隐私和任务隐私。具体地，通过构造基于随机矩阵乘法和数据扰动技术实现加密与检索，基于真值发现技术实现用户可靠性量化分析和任务的真值发现，基于超级递增序列技术实现多任务同时执行真值发现的面向移动群智感知的隐私保护真值发现方法。
[0010]为了达到上述目的，本专利技术采取如下技术方案。
[0011]首先，对有关概念进行说明。
[0012]密钥管理中心(Key Management Center，KMC)：通过为其他参与实体生成系统参数来初始化系统。初始化后，密钥管理中心保持离线状态。
[0013]数据请求者(Data requesters)：希望为移动群智感知任务获得数据的个人/组织。受资源限制，数据请求者将把移动群智感知任务发布给移动群智感知平台。
[0014]工作者(Workers)：是拥有移动设备的用户，使用移动设备收集和贡献数据以完成发布任务。
[0015]移动众感平台(Mobile Crowdsensing Platform)：是一个中间机构，负责为数据请求者和工作者建立连接、为请求者寻找合适的工作者、聚合工作者的数据，并将最终真值发送给数据请求者。在实际的移动群智感知应用中，移动群智感知平台通常由公共云平台担任，如微软云和亚马逊云。
[0016]被动攻击：被动攻击者能够知道参与用户提交的密文，但不知道明文。这种攻击对应于唯密文攻击，攻击发生的原因为外部攻击者窃听通信信道或者移动感知平台充当攻击者。
[0017]主动攻击：除密文外，主动攻击者还可以通过攻击用户设备获得相应的明文。此攻击类似于所选择的明文攻击(CPA)。在实践中，外部和内部的攻击者都可以作为主动的攻击者。具体地，外部攻击者可以观察用户的行为，并窃听其通信信道。通常而言，用户的加密密钥通常存储在防篡改设备上，以防被盗。但是，如果外部攻击者有机会访问这些设备，它可能会生成任意的明文，并知道它们的加密形式。此外，内部攻击者，即工作请求者或数据请求者，可以直接发起攻击，根据其他用户自己的密钥推断出敏感信息。
[0018]在本专利技术中，密钥管理中心是一个完全受信任的第三方机构，并且所有系统实体与密钥管理机构之间的通信都是安全的。其他实体(如工作者、数据请求者、移动群智感知平台)的安全属于诚实但好奇的，他们诚实地执行所设计的协议，但他们试图从其他实体获
取隐私信息。移动群智感知平台不会与其他实体合谋，或者假装自己是其他有效的实体。本专利技术能够抵抗主动攻击，即抵抗选择明文攻击。
[0019]一种面向移动群智感知的隐私保护真值发现方法，包括以下步骤：
[0020]步骤1：密钥管理中心生成系统主密钥和重加密密钥，并为工作者和数据请求者生成加密密钥。在密钥生成过程中，保证每一个工作者或数据请求者的加密密钥均不同，并且均为不可逆矩阵。
[0021]具体地，首先，密钥管理中心随机生成2个(M+4)
×
(M+4)维可逆矩阵M1和M2作为系统主密钥，M表示最大任务数量，其中，M1为(M+4)
×
(M+4)为可逆矩阵，元素为实数，M2为(M+4)...

【技术保护点】

【技术特征摘要】
1.一种面向移动群智感知的隐私保护真值发现方法，其特征在于，包括以下步骤：步骤1：密钥管理中心生成系统主密钥和重加密密钥，并为工作者和数据请求者生成加密密钥；在密钥生成过程中，保证每一个工作者或数据请求者的加密密钥均不同，并且均为不可逆矩阵；步骤2：移动群智感知数据提交；每个工作者将其感兴趣的任务，以及与这些任务对应的数据加密之后，发送到移动群智感知平台中；移动群智感知平台在接收到工作者的数据之后，利用重加密密钥执行数据重加密；步骤3：隐私保护真值发现；移动群智感知平台与数据请求者合作，对加密的数据执行真值发现，同时量化用户可靠性。2.如权利要求1所述的一种面向移动群智感知的隐私保护真值发现方法，其特征在于，步骤1中，首先，密钥管理中心随机生成2个(M+4)
×
(M+4)维可逆矩阵M1和M2作为系统主密钥，M表示最大任务数量，其中，M1为(M+4)
×
(M+4)为可逆矩阵，元素为实数，M2为(M+4)
×
(M+4)为可逆矩阵，元素为实数；密钥管理中心随机生成4个(M+4)
×
(M+4)维可逆矩阵A1、A2、B1和B2，作为系统重加密密钥，其中，A1为(M+4)
×
(M+4)维可逆矩阵，元素为实数，A2为(M+4)
×
(M+4)为可逆矩阵，元素为实数，B1为(M+4)
×
(M+4)为可逆矩阵，元素为实数，B2为(M+4)
×
(M+4)为可逆矩阵，元素为实数；针对工作者u
k
，密钥管理中心生成下三角随机不可逆矩阵I
k
，并基于I
k
生成加密密钥{A
k,1
,A
k,2
}，其中，k表示用户序列号，u
k
表示系统中用户序列号为k的工作者，I
k
表示密钥管理中心为u
k
生成的下三角不可逆随机矩阵，{A
k,1
,A
k,2
}表示用户u
k
的加密密钥；计算过程如下：下：其中，M1和M2表示(M+4)
×
(M+4)为系统主密钥；表示可逆矩阵A1的逆矩阵；表示可逆矩阵A2的逆矩阵；针对数据请求者u
j
，密钥管理中心生成下三角随机不可逆矩阵I
j
，并基于I
j
生成加密密钥{B
j,1
,B
j,2
}，其中，j表示用户序列号，u
j
表示系统中用户序列号为j的数据请求者；I
j
表示密钥管理中心为u
j
生成的下三角不可逆随机矩阵；{B
j,1
,B
j,2
}表示用户u
j
的加密密钥；计算过程如下：过程如下：其中，表示系统主密钥M1的逆矩阵；表示系统主密钥M2的逆矩阵；表示可逆矩阵B1的逆矩阵；表示可逆矩阵B2的逆矩阵；最后，密钥管理中心将加密密钥{A
k,1
,A
k,2
}发送给工作者u
k
，将加密密钥{B
j,1
,B
j,2
}发送给数据请求者u
j
，将用户重加密密钥{A1,A2,B1,B2}发送给移动群智感知平台。3.如权利要求1所述的一种面向移动群智感知的隐私保护真值发现方法，其特征在于，步骤2包括以下步骤：
步骤2.1：工作者数据加密；针对工作者u
k
，u
k
首先生成(M+4)维向量且且其中，M表示最大任务数量；l
k,m
取值为0或1，其中0表示当前工作者对该任务o
m
(m＝1,2,
…
,M)没有兴趣，o
m
表示序列号是m的任务信息；r
k,m
表示随机实数；基于工作者获取的任务数值x
k,m
(m＝1,2,
…
,M)，工作者u
k
建立2个(M+4)维向量和且且其中，x
k,m
表示工作者针对任务o
m
(m＝1,2,
…
,M)获取的任务数据，为实数；当l
k,m
取值为1，a
k,m
的数值取值为x
k,m
，当l
k,m
取值为0，a
k,m
的数值取值为0；表示数值a
k,m
的平方之后的数值；r
k
表示随机实数；随后，工作者u
k
生成3个(M+4)
×
(M+4)维矩阵其中，为主对角线元素为的下三角随机矩阵；为主对角线元素为的下三角随机矩阵；为主对角线元素为的下三角随机矩阵；对于工作者利用加密密钥{A
k,1
,A
k,2
}执行数据加密：E[x]＝A
k,1
×
x
×
A
k,2
其中，x表示工作者生成的3个矩阵其中的一个矩阵；E[x]表示矩阵x加密之后的结果；{A
k,1
,A
k,2
}表示工作者u
k
的加密密钥；最后，工作者将加密之后的数据发送给移动群智感知平台；步骤2.2：移动群智感知平台数据重加密；当移动群智感知平台接收到来自工作者u
k
的密文数据后，基于重加密密钥{A1,A2}执行数据重加密，计算过程为:RE[x]＝A1×
E[x]
×
A2其中，RE[x]表示密文数据重加密之后的结果，{A1,A2}表示工作者u
k
的重加密密钥；E[x]表示矩阵x加密之后的结果；表示工作者u
k
生成的(M+4)
×
(M+4)维矩阵。4.如权利要求1所述的一种面向移动群智感知的隐私保护真值发现方法，其特征在于，步骤3包括以下步骤：步骤3.1：数据请求者数据加密；数据请求者u
j
首先生成2个(M+4)维向量其中，其中，其中，M表示最大任务数量，l
j,m
(m＝1,2,
…
,M)取值为0或者1，0表示当前数据请求者对该任务o
m
(m
＝1,2,
…
,M)没有兴趣，1表示当前工作者对该任务o
m
(m＝1,2,
…
,M)有兴趣；l
j
′
,m
在l
j,m
等于1的情况该数值为随机数，在l
j,m
等于0的情况该数...

【专利技术属性】
技术研发人员：张川，赵明阳，吴桐，祝烈煌，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：