基于分层压缩的自适应感知数据收集与隐私保护研究

发布时间：2020-11-08 07:18

　　 随着智能地球和城市的持续发展,由于无线感知设备的不断大量部署,使感知数据跨越了爆炸性增长的新时代。无线传感器网络(Wireless Sensor Network,WSN)作为感知大数据的主要来源之一,广泛应用于智能交通、环境监测、工业生产等领域。然而,感知节点的能量非常有限,通常不能及时充电。同时,由于WSN的部署环境复杂,数据收集方案仍然面临安全威胁。传统的WSN已经不能满足海量数据的处理和管理要求。因此,如何在保证数据安全的前提下高效的收集数据,达到延长网络生命周期的目标成为亟待解决的关键问题。本文针对当前数据收集方案在空时相关性挖掘、稀疏字典的设计以及数据隐私保护等方面存在的突出问题,主要的创新性贡献包括如下三个方面:1)基于分层压缩的高效感知数据收集机制。针对当前数据收集机制在挖掘数据相关性和提高压缩率(或提高重建效果)等方面存在的问题,提出基于分层压缩的高效感知数据收集机制(LCS-EDC)。首先设计了一个支持挖掘空时相关性的多层次网络结构。然后,分别构建了特定的投影方法来挖掘感知节点中的时间相关性、簇内数据的空间相关性和簇间数据的空间相关性。同时,提出了详细的求解方法,以恢复原始数据,实现在Sink节点的近似数据采集。最后,仿真结果表明,所提出的分层压缩方案与传统的压缩方案相比具有更好的重建性能(即实现高效、高质量的数据采集)。2)基于分层自适应压缩的高效数据收集机制。针对基于分层压缩的高效感知数据收集机制性能有提升的空间,即进一步挖掘感知节点的时间相关性、簇头节点的空间相关性(簇内)和处理节点的空间相关性(簇间)。本部分做扩展研究,该机制通过训练稀疏字典,以适应不同类型的数据,获得更好的稀疏表示,进一步提高了数据重建精度。最后,通过对实际数据的仿真,结果表明,所提出的分层自适应压缩方案可以实现高效、高质量的数据采集,具有更好的重建性能。3)基于空时相关性的隐私保护数据收集机制。针对WSN中数据收集机制仍然面临安全威胁问题,本机制设计了一个轻量级的加密方法,该机制保证了数据的隐私不受外部窃听者和内部好奇者的攻击,而且这种加密方法不破坏数据的相关性,有利于在加密采样数据的过程中同时执行解密和解压缩操作。此外,本机制在每个感知节点(包括簇头节点)独立采样和加密,在Sink节点联合重建和解密,充分挖掘数据的空时相关性,相对重建误差较小。最后,仿真结果表明,本机制不仅可以做到高效的收集数据,而且还可以保证其过程的安全性。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP309;TP212.9;TN929.5
【部分图文】：

图 2.1 冗余的图像数据样一个事实：在转换过程中，许多类型的信息以从这些压缩采样信号以及通过奈奎斯特理论采了解 CS 的过程，接下来的内容将详细介绍 CS。图 2.2 冗余的图像数据左到右依次看，M1y R 表示被观测过的测量值，

图 2.1 冗余的图像数据缩感知依赖于这样一个事实：在转换过程中，许多类型的信息都具有一种称为。所需的信息可以从这些压缩采样信号以及通过奈奎斯特理论采样的整个信号了可以进一步的了解 CS 的过程，接下来的内容将详细介绍 CS 的具体流程。压[19]如图 2.2 所示。

图 3.5 不同方案中重建效果的比较示，随着 RRE 的增加，能耗呈线性增长。同时，该图也表明，变时，其能耗低于基于分簇的压缩方案。例如，当 RRE 设置为DC 的能耗为 5.512 mJ，而集群压缩方案的能耗为 7.166 mJ，这样量，这对延长整个网络的寿命是一个很大的改进。结的基于压缩感知的空时数据压缩方案可以显著降低数据收集的通同簇之间在空间维度上的数据相关性。实际上，发现和利用不同步提高压缩率（或提高重建效果）。为了实现在 Sink 节点的高效一个分层的网络结构，支持对感知节点的时间相关性、簇头节点理节点的空间相关性（簇间）的挖掘。然后，提出了从空时维度
【相似文献】

相关期刊论文 前10条

1 谭劲;;大数据时代个人隐私保护探讨[J];科技传播;2020年01期

2 王宇航;张宏莉;;基于利益最大化的位置隐私保护技术研究[J];智能计算机与应用;2020年01期

3 李晖;;隐私计算—面向隐私保护的新型计算[J];信息通信技术;2018年06期

4 徐博宇;徐黎飞;;大数据的安全与隐私保护研究[J];河南科技;2018年35期

5 李怡霖;闫峥;谢皓萌;;车载自组织网络的隐私保护综述[J];信息网络安全;2019年04期

6 田世英;袁紫晋;;大数据背景下图书馆读者隐私保护探讨研究[J];中国科技产业;2019年04期

7 郭向凝;张洪江;;医疗大数据的隐私伦理问题研究[J];锦州医科大学学报(社会科学版);2019年03期

8 陈晨;郑永爱;;高校大数据应用中的安全及隐私保护研究[J];网络安全技术与应用;2019年09期

9 吴沈括;黄伟庆;;美国《儿童在线隐私保护法》的适用与商业合规[J];中国信息安全;2019年10期

10 王无恙;;大数据时代之下的个人隐私保护[J];数字通信世界;2019年11期

相关博士学位论文 前10条

1 周倩;传感网中基于上下文的位置隐私保护关键技术研究[D];南京航空航天大学;2018年

2 李冬梅;若干外包云计算中隐私保护的研究[D];上海交通大学;2018年

3 王光辉;物联网定位中的隐私保护与精确性研究[D];南京邮电大学;2019年

4 程冕;面向数据发布的隐私保护技术研究[D];国防科技大学;2018年

5 钱萍;物联网同态隐私保护关键技术研究[D];南京邮电大学;2017年

6 朱轶;内容中心网络缓存策略及缓存安全技术研究[D];南京邮电大学;2016年

7 李晔;具有隐私保护的外包数据分类方法研究[D];哈尔滨工业大学;2018年

8 周志刚;云环境下数据隐私保护与安全搜索技术研究[D];哈尔滨工业大学;2018年

9 李腾;智能通信设备的隐私保护和异常检测方法[D];西安电子科技大学;2018年

10 张磊;基于用户协作的位置隐私保护研究[D];哈尔滨工程大学;2018年

相关硕士学位论文 前10条

1 黄新宇;面向云计算的密文检索关键技术研究[D];南京邮电大学;2019年

2 杨爱洁;云环境中隐私保护聚类数据挖掘的研究[D];西安电子科技大学;2019年

3 牛鑫;基于多样性聚类的个性化隐私保护技术研究与应用[D];东华大学;2019年

4 刘丽苹;政务数据共享中的隐私保护研究[D];石家庄铁道大学;2019年

5 贾昂;基于深度学习的可穿戴设备数据隐私保护系统的设计与实现[D];华中科技大学;2019年

6 杨婉璐;支持隐私计算的非结构化大数据查询处理[D];华中科技大学;2019年

7 黄涛;基于特征安全的位置数据隐私保护方法研究[D];华中科技大学;2019年

8 汪仁杰;基于位置密度与距离特征的差分隐私推理攻击研究[D];华中科技大学;2019年

9 吴纯纯;移动网络中的隐私保护与可信任问题研究[D];上海交通大学;2016年

10 刘梦莉;基于拓扑结构的社交网络隐私保护方案研究[D];西安电子科技大学;2019年

本文编号：2874460