移动群智感知中基于隐私保护的激励机制研究

发布时间：2023-11-04 10:06

　　作为一种新型的参与式感知模式,移动群智感知利用移动智能设备采集数据,以此来完成大规模且复杂的感知任务。在参与感知任务的过程中,移动用户不可避免地需要消耗一定的设备资源。因此,理性的用户不愿意无偿地加入感知任务。此外,感知数据也会直接或间接地泄漏用户的隐私信息,降低用户参与的积极性。因此,激励机制与隐私保护的有效结合对于移动群智感知的推广至关重要。本文的主要工作包括以下三个方面:(1)在分析了移动用户和任务平台之间的竞争合作关系的基础上,定义了移动群智感知网络的感知模型,并设计了基于隐私保护的激励框架。该框架引入了可信第三方机构,承担重要角色:仲裁机构,保证竞拍公正性;信誉中心,保证激励机制有效性;追责中心,联合任务平台追责恶意用户;中间代理人,消除用户与感知数据关联性。(2)在隐私保护方面,结合数据类型和攻击源,本文提出了一种数据关联性威胁模型,并设计了用户匿名的感知任务工作流程。安全性功能分析表明:第三方机构和部分盲签名等数据加密技术的有机结合可以较好地降低用户与数据之间的关联性,减少用户与任务平台的交互次数,提高用户隐私安全级别。(3)在用户激励方面,本文提出了一种基于信誉度的激励...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 研究背景与意义
    1.2 激励机制介绍
        1.2.1 研究概述
        1.2.2 研究现状
    1.3 隐私保护介绍
        1.3.1 研究概述
        1.3.2 研究现状
    1.4 研究内容与贡献
    1.5 论文结构安排
2 数据传输相关隐私保护技术
    2.1 数据加密技术
    2.2 数字摘要技术与数字签名技术
    2.3 部分盲签名技术
    2.4 假名技术
    2.5 本章小结
3 移动群智感知中基于隐私保护的激励框架
    3.1 移动用户与任务平台的竞争合作关系分析
        3.1.1 移动用户与任务平台的竞争性
        3.1.2 移动用户与任务平台的合作性
    3.2 感知模型
    3.3 系统架构
    3.4 核心服务
    3.5 工作流程与安全性分析
    3.6 本章小结
4 基于信誉度的激励机制
    4.1 移动用户资格评定
        4.1.1 问题描述
        4.1.2 数据质量相关度
        4.1.3 用户信誉度计算
        4.1.4 用户位置相关度
        4.1.5 用户效用值计算
    4.2 基于信誉度的动态筛选
        4.2.1 问题描述
        4.2.2 效益控制
        4.2.3 报酬机制
    4.3 本章小结
5 仿真实验与性能分析
    5.1 时间效率
    5.2 数据质量与优胜者数量
    5.3 数据分布与用户效用
    5.4 信誉更新
    5.5 本章小结
6 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3860088