[发明专利]一种移动群体感知中保护位置隐私的在线任务分配方法

说明书

本发明公开了一种移动群体感知中保护位置隐私的在线任务分配方法，该方法基于地理不可区分性实现工人位置隐私的保护，支持在线的策略为实时到达感知平台的任务和工人进行相应的匹配。在本发明中，工人首先采用平面拉普拉斯机制生成扰乱位置并在后面的过程中用扰乱位置代替实际位置；考虑到扰乱位置的误差性，本发明设计了一种基于概率的量化可达性的方法；之后设计了两种距离比较机制，一种基于工人，另一种基于任务；经过上述过程，感知平台为实时的工人匹配最大概率离该工人最近的任务和为实时的任务分配最大概率离该任务最近的工人。本发明在保护了工人位置隐私的情况下实现了半可信感知平台中实时的在线任务分配。

技术领域

本发明涉及隐私保护的技术领域，尤其是指一种移动群体感知中保护位置隐私的在线任务分配方法。

背景技术

移动群体感知是一种新的感知模式，在这个过程中，感知平台雇佣大量带有各种传感器设备的工人完成任务请求者发布的任务。近年来，移动群体感知凭借其高效性，低能耗和收集数据方便等特点受到了学术界和工业界的广泛关注。一个典型的移动群体感知框架主要包括任务请求者，工人和感知平台，感知平台将发布的任务分配给工人，匹配的工人用他们的移动设备去完成任务并把感知结果上传至感知平台，其中，感知平台为任务选择合适的工人的过程称为任务分配。

在许多移动群体感知任务分配方案中，都是直接是将工人的实际位置上传至感知平台，这可能会带来一些问题。一方面，由于只有一部分工人会被选中，那些未被选中的工人在暴露实际位置情况下未收到任何补偿，这会降低工人参与的积极性；另一方面，那些执行任务的工人也可能会处于危险之中，是因为攻击者可能会利用他们的实际位置信息来危害他们。所以，在移动群体感知任务分配过程中，工人的位置隐私也是一个很重要的关注点。

为了保护工人位置隐私，一些研究提出了空间隐身，虚假位置，位置信息加密和差分隐私等方法。然而，在这些方法中会存在下面一些缺陷：1、对具有先验知识的攻击者敏感。如果攻击者知晓一些工人的先验知识，则攻击者可能会进行一些推理攻击即使工人已经采用了一些隐私保护方法。2、依赖于可信第三方。一些方法会假定第三方是完全可信的，这在实际中是不太现实的，感知平台在一些方案中假设是可信的，而在实际中，感知平台是被认为是好奇的甚至是恶意的。3、离线策略的任务分配。许多任务分配的方案都是基于离线策略的，这对现实场景中许多实时动态的场景是不合适的。

为了应对上面的一些限制，本发明设计了一种不依赖可信的第三方保护工人位置隐私的在线任务分配方法。为了保护工人的地理位置隐私，工人首先采用地理不可区分性方法生成关于实际位置的扰乱位置，并在以后的过程中用扰乱位置代替实际位置。由于工人将扰乱位置上传至感知平台，感知平台无法直接使用工人的扰乱位置进行任务分配，本发明设计了一种基于概率的工人与任务的可达性的量化方法。感知平台开始没有任何任务和工人信息，任务和工人按照一定时间顺序出现在感知平台。当任务到达平台，感知平台根据任务与平台内各个工人之间的可达性以及基于任务的距离比较机制为任务匹配一个具有最大概率离该任务最近的工人；当工人到达平台，感知平台根据工人与平台内各个任务之间的可达性以及基于工人的距离比较机制为工人分配一个具有最大概率该工人最近的任务。

发明内容

本发明的目的旨在解决任务分配过程中工人位置隐私泄露和不支持实时性的问题，提出了一种移动群体感知中保护位置隐私的在线任务分配方法，在半可信感知平台中基于地理不可区分性保护工人位置隐私，同时支持动态出现的工人和任务，支持工人扰乱位置高可用性，支持在保护隐私情况下优化全局任务和工人之间的距离，在保护了工人位置隐私的情况下实现了半可信感知平台中实时的在线任务分配。

为实现上述目的，本发明所提供的技术方案为：一种移动群体感知中保护位置隐私的在线任务分配方法，包括以下步骤：

1)工人生成扰乱位置：利用地理不可区分性，工人根据隐私水平参数ε，使用平面拉普拉斯机制生成与实际位置对应的扰乱位置，并在后面过程用扰乱位置替代实际位置；