Abstract ：

摘 要 群智感知技术在物联网服务领域中被广泛应用，它利用移动用户所携带的移动设备，完成大量感知数据的收集和上传，实现对物理世界的情景感知，逐渐成为国内外研究的热点。然而，移动用户在参与感知过程中与服务平台会有位置、身份和感知信息等数据的频繁交互，这些交互会导致用户的个人隐私面临被窃取和滥用的危险。因此，移动用户面临的个人隐私威胁，是群智感知应用领域中亟待解决的问题。 本文针对感知任务完成过程中涉及到的移动用户隐私保护问题展开研究，以保护移动用户在感知过程中的位置信息和任务信息为目的，构建一种面向群智感知过程的用户隐私保护模型。首先，本文根据用户在竞标感知任务和上传感知数据两个过程中存在的隐私特征，构建了感知用户隐私保护模型，模型主要实现了匿名区域选择、链路连接、数据转发和数据融合四个功能；其次，以K-Means位置匿名技术和多方安全计算技术为基础，提出动态链路对向转发匿名方法和安全数据融合方法，克服已有方法中存在的匿名与服务质量矛盾问题、恶意协作用户问题和数据匿名上传问题；最后，对动态链路对向转发匿名方法和安全数据融合方法的性能进行了实验验证。 实验结果表明，本文提出的动态链路对向转发匿名方法与已有的K-Means位置匿名方法相比，对群智网络中移动节点的移动特性具有更好的适用性，并且能有效抵御恶意协作节点的攻击；同时验证了本文中基于第三方安全比较的数据融合方法可以有效降低移动终端的计算和通信复杂度，具有一定的安全性和高效性。

Keyword ：

K-Means 安全数据融合 对向转发 群智感知 隐私

Cite：

Copy from the list or Export to your reference management。

Abstract ：

激励是实现群智感知(CS)众包服务的主要方法,针对现有方法在服务过程中没有充分考虑节点参与数量和恶意竞争对群智感知带来的影响,提出一种基于反拍卖模型的激励(RVA-IM)方法.首先,研究众包的激励机制,结合反拍卖与Vickrey拍卖思想,构建面向任务覆盖的反拍卖模型;其次,对模型中涉及的任务覆盖、反拍卖选择和奖励实施等关键技术问题进行深入分析与研究;最后,从计算有效、个人理性、预算平衡、真实性和诚实性五个方面分析RVA-IM激励方法的有效性.实验结果表明,与IMC-SS和MSensing激励方法相比,RVA-IM在有效性和可行性方面均有较好的表现,能够解决现有方法中的恶意竞争问题,并能够平均提升众包服务完成率约21％.

Keyword ：

Vickrey拍卖 反拍卖 激励机制 群智感知 众包

Cite：

Copy from the list or Export to your reference management。

Keyword ：

Vickrey拍卖 反拍卖 激励机制 群智感知 众包

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种面向群智感知的机会式数据上传方法，首先，完成群智感知任务的节点需要主动将采样数据带往附近的公交站点并转发给任一候车乘客节点μ_a，μ_a成为数据携带者；数据携带者μ_a会组建局域网并维持局域网存在，在公交站点或公交车内其它连接进入该局域网的乘客节点计算自己的数据携带效用，并发送给数据携带者μ_a；数据携带者μ_a根据相应算法选择最优节点μ_b并转发数据，且μ_a不再持有数据以及不再维持局域网存在，而μ_b成为新的数据携带者；如果μ_b在设置有WIFI接入点的公交站点下车，则完成数据的上传，结束转发过程，否则μ_b重复该转发过程。本发明能够有效提高群智感知网络中数据上传的综合效率。

Cite：

Copy from the list or Export to your reference management。