面向车辆群体感知场景的隐私保护技术研究

发布时间：2020-08-07 00:16

【摘要】：移动群体感知是由传感器网络和传统的数据众包模式演进而来的一种数据收集的新型范式。在大数据需求背景下,它能够为车联网提供低成本收集海量数据的信息服务能力,因此,研究面向车辆环境的移动群体感知机制具有重要意义。在基于车辆群体感知的系统架构设计中,由于车辆场景特性,参与用户对于系统响应能力和隐私安全保护有着更高的要求。首先,在群体感知的数据收集过程中,现有的数据收集策略都是基于传统的移动感知策略,不能有效地适用于车辆环境;第二,群体感知存在着用户隐私安全问题,由于感知数据在一定程度上与用户身份有着紧密的联系,因此数据收集过程中必须对此情况做去关联化处理,然而,绝对地去关联化导致数据无法溯源,即导致参与用户无需对所提供数据承担责任,这将带来数据不可靠的风险;第三,群体感知的实施离不开对参与用户的激励,而现有的激励机制存在着过程繁琐、反馈时间较长和用户隐私泄露的问题。对于上述现存问题,本文主要针对于车辆群体感知的数据收集和激励机制实施两方面,提供了相应的解决方案,其主要工作阐述如下:(1)为了应对数据需求者和参与用户在隐私保护和数据可溯源共同需求,本文首次提出了一个异构双层雾感知架构(将雾节点部署在公交车上构成的系统架构),有效利用分布式架构使得整个系统更加灵活,进一步提高了感知效率。然后本文提出了基于该架构数据加密融合策略,有效保护了参与者的隐私。另外,为了减轻第三方可信机构的存储压力,本文还提出了一个基于数据外包的溯源策略使得第三方可信机构可以在隐私保护状态下调取溯源数据。(2)为了使得感知系统能够更加高效地实施激励机制以及应对激励机制引入后带来的用户隐私安全问题。本文在提出的双层公交雾感知架构的基础上,结合全支付的竞拍激励模型,有效提高了系统在激励机制实施过程中的激励反馈效率。然后,基于一系列安全认证技术,在奖励的产生到发放过程中保护了用户的隐私。最后,为了保证感知数据的可靠性,本文还引入信誉管理机制并解决了其带来的用户隐私泄露的问题。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495;TP309

【相似文献】