群智感知中基于证据推理和置信规则库的恶意用户检测方法技术

移动群智感知通过招募大量用户来获得高质量的感知数据。然而，恶意用户往往会提供虚假数据，从而损害感知平台的数据服务质量。而现有方法并没有考虑检测过程的可解释性。基于此，本文提出了一种基于证据推理的恶意用户检测方法，根据用户在不同主题的任务中提交的数据质量计算出数据可信度，通过证据推理算法对数据可信度进行融合，实现MCS中已有恶意用户的检测。此外，感知平台在招募新用户参与任务的同时，也伴随着一些新的恶意用户，因此，本文提出了一种基于置信规则库的恶意用户预检测方法，根据新加入用户的行为特征来识别其中的恶意用户。本发明专利技术通过这种检测机制，能够有效筛除恶意用户，进而为感知平台的数据服务提供了质量保障。

【技术实现步骤摘要】

本专利技术属于移动群智感知领域，具体涉及一种基于证据推理和置信规则库的恶意用户检测方法。

技术介绍

1、移动群智感知(mobile crowd sensing，mcs)是一种新颖的数据采集模式，它结合了众包思想和多个智能设备的感知能力，根据特定任务利用大量的移动用户来感知和收集数据。感知平台是mcs网络中最重要的的组成部分，而移动用户是mcs中最主要的贡献者。用户可以是智能手机或车载感知的使用者，这些智能终端配备了大量的传感设备(例如陀螺仪、加速度计、摄像头和麦克风等)。用户从感知平台接收到任务后，使用自身携带的感知设备来收集任务所需的数据，并在规定时间上传至感知平台。近年来，mcs服务与应用十分广泛，一些mcs系统已经被发布。

2、然而，mcs的开放性为几乎所有的用户提供了一个参与mcs任务的机会。因此，mcs中可能存在恶意的用户。图1显示了mcs恶意用户的威胁模型，恶意用户可能通过提交虚假数据来获取个人利益，也可能提交恶意数据来破坏mcs的服务质量。特别是在一些关键领域的应用(例如医疗健康系统、实时导航控制系统等)，这些应用领域依赖于用户所本文档来自技高网...

【技术保护点】

1.一种基于证据推理和置信规则库的群智感知恶意用户检测方法，其特征在于，所述恶意用户检测方法包括以下三个步骤：

2.根据权利要求1所述的一种基于证据推理和置信规则库的恶意用户检测方法，其特征在于，在步骤1中，所述基于真相发现方法的观测数据可靠度计算包括：将MCS平台上的用户集合定义为A＝{a1,a2,...,an}，任务表示为T＝{t1,t2,...,tm}，用户完成任务所收集的数据表示为Di,j；利用真相发现方法计算出各个任务的估计真值Ej；接着根据估计真值Ej计算用户在各个任务下所提交观测数据的可靠度ri,j。

3.根据权利要求1所述的一种基于证据推理和置信规...

【技术特征摘要】

1.一种基于证据推理和置信规则库的群智感知恶意用户检测方法，其特征在于，所述恶意用户检测方法包括以下三个步骤：

2.根据权利要求1所述的一种基于证据推理和置信规则库的恶意用户检测方法，其特征在于，在步骤1中，所述基于真相发现方法的观测数据可靠度计算包括：将mcs平台上的用户集合定义为a＝{a1,a2,...,an}，任务表示为t＝{t1,t2,...,tm}，用户完成任务所收集的数据表示为di,j；利用真相发现方法计算出各个任务的估计真值ej；接着根据估计真值ej计算用户在各个任务下所提交观测数据的可靠度ri,j。

3.根据权利要求1所述的一种基于证据推理和置信规则库的恶意用户检测方法，其特征在于，在步骤2中，所述基于证据推理算法的已有恶意用户检测包括：定义一组详尽且互斥的结果等级{hn|n＝1,2,...,n}；在本发明中，用户检测结果等级定义为{“恶意”，“不...

【专利技术属性】
技术研发人员：赵国生，高铭，王健，
申请(专利权)人：哈尔滨师范大学，
类型：发明
国别省市：