群智感知中属性关系评估的隐私保护策略研究

发布时间：2024-04-09 21:20

　　移动群智感知(Mobile Crowd Sensing,MCS)以用户携带的移动终端设备为感知个体,依靠数量众多的用户形成一种新型的感知网络,从而完成许多需要大规模用户的复杂感知任务。这些携带各种智能传感器的感知用户将收集到的感知数据上传到感知平台中,平台结合数据分析和挖掘等技术提取有利价值。尽管群智感知依靠数量众多的用户以快速、简便且经济高效的方式收集大量的数据来解决大规模的社会问题,但是用户在任务分配与数据报告过程中,个人信息容易遭受攻击。如果没有适当的隐私保护机制,许多用户将不愿意参与数据收集过程。因此,设计有效的隐私保护机制十分重要。首先,本文介绍了群智感知网络的研究背景和系统架构,对群智感知网络的特点以及研究热点进行概述,分析了群智感知网络中隐私保护的特点,详细地讨论了任务分配和数据报告过程中的隐私保护问题面临的挑战,并介绍了典型的群智感知隐私保护方法。其次,本文针对群智感知网络中任务匹配以及用户的隐私保护问题,提出了一种基于用户属性感知的任务分配与隐私保护协同机制。首先,根据感知用户固有属性以及历史任务参与记录,挖掘用户对任务的不同偏好、意愿和访问等来预测出用户的静态属性和...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 群智感知概述
        1.1.1 群智感知的系统架构
        1.1.2 群智感知的特点
        1.1.3 群智感知的研究热点
    1.2 本文研究内容
    1.3 本文结构安排
第2章 群智感知中的隐私保护
    2.1 群智感知中的攻击问题
    2.2 群智感知中的隐私保护
    2.3 本章小结
第3章 用户属性感知的隐私保护机制
    3.1 研究背景
    3.2 系统和攻击模型
    3.3 基于用户属性的动态评估
        3.3.1 静态属性度量
        3.3.2 社会属性度量
        3.3.3 用户任务分配
    3.4 基于用户属性的隐私保护
        3.4.1 匿名参加任务
        3.4.2 属性签密算法
        3.4.3 性能分析
    3.5 数值分析
        3.5.1 任务分配对系统性能的影响
        3.5.2 用户数目对系统性能的影响
        3.5.3 隐私保护对系统性能的影响
    3.6 本章小结
第4章 任务属性评估的隐私保护机制
    4.1 研究背景
    4.2 系统模型
    4.3 基于任务属性的动态评估
        4.3.1 任务属性描述
        4.3.2 用户任务属性
    4.4 基于任务属性的安全匹配
        4.4.1 任务属性的用户分组
        4.4.2 用户任务属性的安全选择
        4.4.3 安全性分析
    4.5 数值分析
    4.6 本章小结
第5章 结束语
    5.1 论文总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3949655