[发明专利]基于区块链位置隐私保护的群智感知工人选择机制及系统

说明书

本发明涉及基于区块链位置隐私保护的群智感知工人选择机制及系统，基于区块链位置隐私保护的群智感知工人选择系统，包括客户端、分布式系统；客户端与分布式系统连接；分布式系统包括区块链；基于区块链位置隐私保护的群智感知工人选择机制，包括如下步骤：S11：用户注册；S12：任务信息发布；S13：区块链公开信息；S14：提交工作信息：S15：工人选择计算；S16：工人签约选择；S17：工人是否全部签约判断；S18：公布签约结果。本发明在工人选择机制中针对工人覆盖先后使用了子区域优化和全局优化技术，得到更加精准的计算结果；使用贪心策略对结果进行选择，保证每一步得到的结果都是最优解。

技术领域

本发明涉及信息安全中的算法安全领域，具体说是一种基于区块链位置隐私保护的群智感知工人选择机制及系统。

背景技术

主要技术(工具)

目前，关于移动群智感知(Mobile Crowdsensing，MCS)工人选择(任务管理)的研究较多，如果按选择区域进行划分的话，主要方法能够分为两类，主要包括：(1)全局工人选择机制；(2)子区域工人选择机制。

(1)全局工人选择机制

全局工人选择机制指的是首先假定每个参与者都获得固定数额的奖励，然后从所有的参与用户中选择一组工人，并且要求选择的所有工人都要加入MCS任务的所有感知区域和周期中。存在的工作首先研究了群智感知中工人选择的研究挑战，提出了一个基于覆盖的工人搜索框架，通过选择预定义的工人数量来最大化空间覆盖。Singla等人提出了一种新的自适应工人选择机制，在社区感知隐私的总体激励约束下最大化空间覆盖。Song等人提出一个基于拍卖的可行预算机制，在工人选择规则和确定付款规则上使用贪婪策略，旨在与有限的预算范围内，最大限度地对任务进行绩效评估，使工人选择机制更加合理，提高群智感知任务的质量。

(2)子区域工人选择机制

子区域工人选择机制表示先将任务指定工作区域划分为多个子区域，然后选择工人为每个子区域完成任务，从而完成整体的工作任务。它首先假设每个工人都获得了不同数量的奖励，这些奖励与工人参与的感知周期的数量有关。然后，对于每个周期，它为MCS任务选择一个工人子集。Philipp等人引入了虚拟传感器的概念，以协作地推断每个子区域的传感值，这些子区域在每个传感周期中没有任何工作人员覆盖。然后他们提出了空间和时间覆盖质量度量，并利用虚拟传感器方法，在满足覆盖质量约束的同时，减少每个传感周期所需的工作人员数量。Guo等人提出了TaskMe，将其作为一个任务模型，用于具有动态预算和基于位置的社交网络的群智感知的图像任务，执行工人选择。An等人提出将于匹配度计算思想的节点匹配方法(the method of node matching，MNM)，以提高工人处理获取的传感数据的质量。

如果按工人选择自主性来划分的话，使用方法也能够分为两类，主要包括：(1)自主任务选择；(2)协调任务选择。

(1)自主任务选择

在自主任务选择中，工人从任务分发实体接收的一组现有任务中自主地选择任务。他们可能通知分销商他们的选择，也可能不通知分销商。由于所选任务不是全局优化的，这些方法在感知成本或全局效用方面可能不是有效的。一些存在的方法是工人自主地选择任务而不会揭露他们的身份或位置。

(2)协调任务选择

协调任务选择旨在通过现有感知资源的有效评估，优化数据感知过程，满足应用需求。优化任务分配的标准包括感知成本、感知目标的覆盖范围、感知数据的质量和可信度等。Reddy等人提出了一种基于覆盖率的任务评估方法，该方法可以找到实现覆盖率目标所需花费最少的参与工人子集。Shirani-Mehr等人还提出了一种基于覆盖的任务分配方法，用于一组移动工人分配视点。这些研究都没有考虑位置隐私限制。

主要方法：