[发明专利]基于雾计算的高效隐私保护感知大数据收集方法

说明书

本发明公开了一种基于雾计算的高效隐私保护感知大数据收集方法，通过设计了分层的雾计算辅助数据收集架构，使得计算任务可以在本地设备或者网络边缘设备上处理，从而避免与云中心的长距离通信，为探索感知数据的空时相关性提供了有效支持。同时，通过采样扰动加密方法，保护了数据隐私免受窃听者和主动攻击者的侵害，这种加密方法不会破坏数据的相关性，并且简化了对加密采样数据的解密和重建操作。同时，设计的雾节点数据处理模式与观测矩阵优化的模型，大大减少了冗余数据传输量，有效探索了空间相关性，还保证了数据能够被高精度地重建。

技术领域

本发明属于无线通信网络、无线传感器网络技术领域，具体涉及一种基于雾计算的高效隐私保护感知大数据收集方法。

背景技术

对于无线传感器网络(Wireless sensor network,WSN)、ad hoc和物联网(Internetofthings,IoT)应用而言，数据收集是不可或缺的。通常，这些网络中的组件(如传感器等)是受到资源的限制的，因此如何克服这些制约因素，发展节能的数据收集以及构建绿色通信网络成为一个巨大挑战。当前已提出的用于实现高效数据收集的方案可大致分成如下三类：基于数学模型、基于压缩感知(Compressive sensing,CS)和基于查询驱动的近似数据收集方案。然而，这些传统的数据处理过程或者结构，已无法满足大数据场景下地高效数据收集和处理的需求。大规模数据通常伴随着数据收集、处理和存储的巨大负担。如何缓解这些压力、提高服务质量是一个巨大的挑战。

雾计算(对云计算的补充)是通过在网络边缘(本地)设备上执行数据处理的新模型。它可以减轻云中心的数据处理负担，降低远程通信开销，显著改善用户体验。雾计算的优点使其可以应用于各个领域，为此提出了以下三种有代表性的方案：

第一类方案设计了面向服务的雾计算架构，用于远程健康挖掘数据分析，并评估了不同数据挖掘和压缩技术对数据收集的影响。但是，这类方案并没有研究具体的数据挖掘和压缩方法，且没有考虑对健康数据来说十分重要的隐私保护问题。

第二类方案设计了一种基于移动雾计算的数据收集方法，结合雾结构设计、最小成本调度算法和路由算法，最大限度地减少了传输时延、降低了传输能耗。但该方案忽略了利用感知数据的空时相关性，通过减少传感器读取的传输数量，进一步的降低能耗。

第三类方案考虑了感知数据的时空相关性，将CS理论与低复杂度传感框架、网络编码、能耗模型和集群技术相结合，显著降低了数据采集的通信开销。第二类方案和第三类方案，具有很大的性能优势，但在数据的传输和处理过程中忽略了对敏感数据的隐私保护。

发明内容

针对上述技术问题，本发明设计了一种基于雾计算的高效隐私保护感知大数据收集方法，能够减少冗余数据的传输量，降低网络数据传输能耗和提高数据重建精度的雾计算辅助的高效隐私保护大数据感知方法。

本发明解决其技术问题是通过以下技术方案实现的：

一种基于雾计算的高效隐私保护感知大数据收集方法，包括如下步骤：

(1)设计分层的感知雾计算架构，所述感知雾计算架构自下而上依次分为相互连通的感知层、雾层和用户层；

感知层由K个簇组成，每个簇包含L个感知节点，感知节点的采样周期为N；

雾层由K个与簇相互对应进行数据传输的簇i的雾节点组成；

(2)感知节点在数据采样过程中获得压缩数据，并对压缩数据进行加密后发送给雾层；

(3)雾层中的簇i的雾节点对从感知层接收到的加密数据执行空间压缩操作，且簇i的雾节点将得到的空间压缩数据发送到用户层；

(4)所述用户层对从雾层收集到的空间压缩数据进行重建和解密。

进一步的，步骤(2)具体为：