群智感知网络中的隐私保护算法研究

发布时间：2020-05-15 14:47

【摘要】：随着科技的飞速发展,各种智能设备集成了种类繁多、功能强大的传感器,使得群智感知网络的应用越来越广泛。由于群智感知网络是“以人为中心”的网络,采集的感知数据隐藏着用户大量的敏感信息,一旦信息泄露,既严重危害用户的隐私安全,也不利于群智感知网络的进一步发展。因此,在采集感知数据的过程中如何保护用户的隐私,在融合传输的过程中如何保证数据的安全和完整,成为近几年的研究重点。本文在前人的基础上开展进一步研究,主要内容如下:现有隐私保护算法对所有用户在所有位置都采用相同级别的隐私保护策略,一些不敏感的位置被保护过度,导致感知数据的精度较低;一些较敏感的位置保护不足,造成用户的隐私泄露。针对此问题,提出了一种满足用户个性化隐私安全需求的位置隐私保护算法。首先,根据用户的历史移动轨迹,挖掘用户对不同位置的访问时长、访问频率和访问的规律性来预测位置对用户的社会属性;然后,结合位置的自然属性,预测用户-位置的敏感等级;最后,结合用户在不同的位置有不同的隐私安全需求的特点,设置动态的隐私判定方案,在每个位置选敏感度低的用户参与感知任务。仿真结果表明,该算法在提高隐私保护水平的同时还提高了感知数据的精度。感知数据在融合传输过程中有很大的泄露风险,现有的隐私保护方法大都注重数据的私密性,而忽略了数据的完整性;兼顾数据私密性和完整性的隐私保护方案通信量较大,保护强度也有待改进,严重影响了群智感知网络在实际中的应用。针对此问题,提出了一种基于分布式压缩感知和散列函数的数据融合隐私保护算法,采用分布式压缩感知方法对感知数据进行稀疏观测,去除冗余数据;再利用单向散列函数求取感知数据观测值的hash值,将其和不受限制的伪装数据一起填充到真实感知数据中,达到隐藏真实感知数据的目的;最终汇聚节点提取出伪装数据之后,再次求取感知数据的hash值,验证数据的完整性。仿真结果表明该算法兼顾了数据私密性和完整性,同时大大减少了通信开销,在实际应用中具有很强的适用性和可扩展性。
【图文】：

示意图,基本架构,示意图,通信能力

景与意义的发展和人民生活水平的提高，各种智能手机、平板电端已经非常普及。这些智能设备集成了大量的传感器，如加速度传感器、摄像头等，能够采集各种感知数据。同储和通信能力也越来越强，它们不仅可以作为感知人及”节点，也可以作为其他缺乏计算、存储和通信能力的界连接的桥梁[1]。网络是指人们利用自己的各种智能终端设备形成参与式将感知任务分发给参与者，感知用户收集相关的感知数而帮助专业人员或公众完成数据的收集、信息的分析和的基本架构图如图 1.1 所示。

流程图,流程图,位置,敏感性

重庆邮电大学硕士学位论文第 3 章群智感知网络个性化位置隐私保护算法选择在这个位置的敏感度更低的用户去参与感知；一个用户在不同的位置有不同的敏感性，尽量避开敏感、包含自己隐私信息较多的位置，而选择一些敏感性较低的位置贡献感知资源。LPPA-PSRDU 算法的流程图如图 3.1 所示：
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP212.9;TN929.5

【参考文献】