[发明专利]基于安全求和的移动群智感知隐私保护真值发现方法

说明书

本发明公开了一种基于安全求和的移动群智感知隐私保护真值发现方法，包括如下步骤：S1、将参与感知任务的参与者分成t个簇，各簇中的参与者计算各自的秘密随机数；S2、基于聚合距离函数ADF来更新每个簇中各参与者的安全权重；S3、基于各参与者的安全权重来更新每个感知对象的真值S4、检测更新后与更新前的真值差值是否小于差值预设值，若检测结果为是，则输出每个感知对象的真值若检测结果为否，则将更新后的真值分发至各参与者，执行步骤S2；攻击者无法获取参与者的明文及权重，从无法获知参与者的真值，即很好的保护了参与者的数据隐私以及权重信息隐私。

技术领域

本发明属于隐私保护技术领域，提供了一种基于安全求和的移动群智感知隐私保护真值发现方法。

背景技术

最近，在群智感知系统中，由于可携带移动感知设备的快速发展以及可携带性，这些移动设备往往部署着大量的传感器(重力传感器，GPS，加速度传感器，指纹传感器等等)用以收集感知数据。

然而，在群智感知系统中，由单个参与者收集的感知数据往往是不可靠的。由于记录或传输错误、设备故障或恶意操纵数据，数据源通常包含有噪声、过时、丢失或错误的记录，因此多个数据源可能提供相互冲突的信息。只有过滤掉不正确的感知数据，识别真实的信息，才能最大化发挥群智感知系统的作用。为了解决这些挑战，基于参与者的可靠性(权重)以及参与者的输入，估计最接近真实值的值(真值)，这种真值发现方案的提出得到了业内的广泛关注。真值发现基于的原则是如果一个参与者提供的数据接近最后聚合的结果，那么该参与者的权值就会更高，即该参与者更可靠；如果该参与者的权值更高(更可靠)，则在聚合过程中就会对该参与者的数据进行更多的计数。基于这一原则，人们提出各种各样的真值发现方法来计算参与者的权重和对象的真值。

尽管在群智感知系统中，真值发现方法的提出在聚合数据的准确度方面有着重大的意义，但是在收集数据的过程中却忽略了保护参与者本身的隐私这个重要的实际问题。在大多数群智感知应用中，最后的聚合结果对于社会有重大作用的同时也是公开的。但是这些来自个人的数据可能会包含个人的身份信息、电话号码、个人家庭住址以及身体健康状况等等。如若参与者将这些私密信息上传到云服务器而不进行任何处理，这些私密信息可能会被攻击者贩卖或者滥用。

目前的对于真值发现方法技术的隐私保护方法大多数使用了同态加密技术。Miao等人第一次提出了基于云端的真值发现隐私保护方案PPTD，通过利用阈值paillier密码系统来对参与者收集的感知数据进行隐私保护。但是这种方案使参与者承担着巨大的通信量和计算负担。随后Miao等人利用同态加密进一步提出了轻量级的真值发现隐私保护框架L-PPTD,同时为了减少参与者的负担，提高系统效率，他们设计了双非共谋服务器来实现一个更为轻量级的真值发现隐私保护系统L²-PPTD。然而这个框架的前提假设是云端与其他参与者没有任何勾结行为。如果这种勾结行为发生了，参与者的隐私将会被泄露。

发明内容

本发明提供了一种基于安全求和的移动群智感知隐私保护真值发现方法，旨在提高了参与者的数据隐私以及权重信息隐私的保护。

为了实现上述目的，本发明采取的技术方案为：一种基于安全求和的移动群智感知隐私保护真值发现方法，所述方法具体包括如下步骤：

S1、将参与感知任务的参与者分成t个簇，各簇中的参与者计算各自的秘密随机数；

S2、基于聚合距离函数ADF来更新每个簇中各参与者的安全权重；

S3、基于各参与者的安全权重来更新每个感知对象的真值

S4、检测更新后与更新前的真值差值是否小于差值预设值，若检测结果为是，则输出每个感知对象的真值若检测结果为否，则将更新后的真值分发至各参与者，执行步骤S2；

距离函数为感知对象d收集的感知数据与第d个对象的真值之间的距离；聚合距离函数ADF为所有参与者的聚合函数之和。