文献类型：期刊文章

作　　者：梁艳[1,2] 安健[2,3] 胡先智[4] 杨倩[1] 司海峰[1]

LIANG Yan;AN Jian;HU Xian-Zhi;YANG Qian;SI Hai-Feng(School of Technology,Xi’an Siyuan University,Xi’an 710038;School of Computer Science and Technology,Xi’an Jiaotong University,Xi’an 710049;Shaanxi Province Key Laboratory of Computer Network,Xi’an Jiaotong University,Xi’an 710049;Center of Network Information&Management,Xi’an University of Technology,Xi’an 710048)

机构地区：[1]西安思源学院理工学院,西安710038 [2]西安交通大学计算机科学与技术学院,西安710049 [3]西安交通大学陕西省计算机网络重点实验室,西安710049 [4]西安理工大学网络信息管理中心,西安710048

出　　处：《计算机学报》

基　　金：国家重点研发计划课题(2018YFB1800304);国家自然科学基金(61502380);陕西省重点研发项目(2020GY-033,2019GY-005,2017ZDXM-GY-011);陕西省教育厅专项科学研究计划项目(19JK0686)资助.

年　　份：2020

卷　　号：43

期　　号：12

起止页码：2414-2432

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对已有大多数研究在设计激励机制时未考虑用户的隐私泄露问题,本文提出一种支持隐私保护的激励机制综合方案IMPP(Incentive Mechanism with Privacy-Preserving in mobile crowd sensing).首先,基于轻量级隐私保护思想,采用单向安全哈希函数生成256位哈希值作为参与者的匿名身份标识,以此来保护参与者的身份隐私;其次,依据参与者的数据效用值、期望回报及感知任务预算实现面向数据质量的补偿激励,选择性价比最高的胜出者;接着,借助分布式压缩感知理论,对胜出者的原始感知数据压缩处理,得到剔除冗余的观测值,并在观测值中添加哈希函数值等噪扰数据后传送于服务器端聚合,以增强感知数据的隐私性保护,之后对隐私数据集进行完整性校验并重构;最后,利用真实数据集,通过仿真实验对IMPP的有效性进行对比分析.实验结果表明,IMPP机制在隐私保护水平、数据完整性、数据精确性、时间效率、评估准确率、重构匹配度及激励效果等方面是高效的.

关 键 词：群智感知  隐私保护 激励机制 哈希函数 分布式压缩感知  

分 类 号：TP309]