[发明专利]移动群体感知中保护数据隐私的盲回归建模及更新方法

摘要

本发明提供了一种移动群体感知系统中保护数据隐私的盲回归建模方法，通过移动感知节点与移动感知服务器间的交互，实现盲回归建模，可概括为如下步骤：选取“干净”感知数据子集、构建粗糙的全局模型、全局回归模型求精。本发明还提供了上述盲回归建模方法所建的盲回归模型的更新方法，使用新感知数据进行模型更新可概括为如下步骤：构建新粗糙全局模型、新回归模型求精。本发明方法通过在移动感知服务器与移动感知节点间交换聚集结果，来保障感知数据内容不被公开；采用增量式模型更新以减少移动感知节点的通信与计算开销。通过本发明，可达到保护感知数据隐私、削弱异常数据对回归模型的影响、提高模型准确度、实现轻量级模型更新的效果。

主权项

一种移动群体感知中保护数据隐私的盲回归建模方法，其特征在于，任何感知节点或服务器无需获得他人的原始感知数据，可在包含50％以下异常值的感知数据上建立准确的回归模型；具体包括如下步骤：步骤1：选取“干净”感知数据子集；参与初始盲回归建模的移动感知节点使用本地的一组多维感知数据测量值，通过无线通信连接移动感知服务器；移动感知节点计算当前本地感知数据测量值集合的统计均值及协方差值，并呈交给移动感知服务器；移动感知服务器获得上述统计结果用于估计全局统计均值及协方差，然后将全局统计结果分发给各移动感知节点；各移动感知节点根据所述全局统计结果计算每个本地感知数据的马氏距离，并呈交给移动感知服务器，马氏距离用作估计感知测量值异常可能性的依据；移动感知服务器对所获马氏距离排序，选出对应马氏距离最小的一组感知测量值，构成初始“干净”感知数据子集，并通知持有被选中“干净”感知数据的相应移动节点；步骤2：构建粗糙的全局回归模型；移动感知节点计算本地“干净”测量值子集，用于参与普通最小二乘法回归建模所需的中间聚集结果；出于安全聚集的考虑，防止中间聚集结果被用于反解出原始测量值，移动感知节点使用切片技术将其本地聚集结果随机切分为若干切片，并与其网络拓扑中的邻居移动感知节点交换切片，以重构新的聚集结果并呈递给移动感知服务器；移动感知服务器集齐聚集切片后，据此构建最小二乘估计等效的粗略全局回归模型；步骤3：全局回归模型求精；移动感知服务器向移动感知节点公布当前全局回归模型，每个移动感知节点计算本地测量值相对于当前回归模型的残差及本地残差平方和，呈递给移动感知服务器，以计算全局残差平方和；移动感知服务器向感知节点公布全局残差平方和，并设定异常值所对应标准化残差的阈值；每个移动感知节点使用全局残差平方和导出的本地测量值的标准化残差，并使用前述阈值剔除异常值；使用剩余测量值重新构造全局回归模型。