摘要：群智感知是一种有前景的感知范式,其主要借助大量移动设备中的多样嵌入式传感器来完成数据感知任务。群智感知中的一个关键问题是如何有效地协调移动设备用户同时执行多项感知任务。通过在感知任务和用户之间引入一个新的数据层,从而有效地利用感知任务的相似性和用户的异质性,在数据层之上建立联合任务选择和用户调度问题,旨在最大化整个系统的社会福利。这个问题因其组合特性以及存在感知任务和用户两方面的私有信息而很难解决。为了处理上述问题,提出了一种双边随机拍卖机制,并证明其能够满足计算高效性、个体理性和期望意义下的激励相容性。仿真结果表明,所提的随机拍卖机制可以接近最优的社会福利,并且数据复用带来的社会福利收益会随着任务相似性的增强而显著增加。

摘要：存在多任务发布者的公共群智感知平台存在不可信问题,但现有机制均无法在任务分配过程中保护任务发布者的隐私信息,影响了群智感知系统的应用和发展.针对该问题,文章研究了如何在保证分配机制正常运行的前提下,同时保护任务发布者的预算、收益函数以及用户的敏感信息不泄露.所设计的机制引入了半可信第三方,通过动态IP交互、同态加密扰乱、置换以及数字签名等技术,保证了平台和半可信第三方均无法获得相关价格隐私,且无法将用户与其所提交数据相关联,从而进一步预防泄露用户数据的潜在隐私.所设计的机制可以在任务匹配和支付过程中保护隐私,且能实现所有任务发布者收益最大化.通过仿真实验结果验证了机制的有效性和可行性.

摘要：面向时空敏感的局部数据,结合区域数据采集的背景,设计了基于地图分区的机会式群智感知数据分发策略:首先对节点进行区域划分和周期性的采集数据,然后判断移动到地图分区边缘的节点状态并进行节点位置更新,最后进行时空敏感的区域数据之间的共享和传输,且在缓存区满或缓存数据超过有效时间时进行缓存更新和丢弃;通过The ONE平台进行仿真实验,研究不同节点缓存大小和不同传输速度下基于地图分区的数据分发策略和Epidemic算法的性能.仿真实验结果表明:基于地图分区的数据分发策略在数据采集率与网络开销方面表现出较好的性能,可以在性能接近Epidemic算法的前提下,提供可靠的区域数据采集和数据共享功能,甚至在某些条件下性能可以超越Epidemic算法,且具有很好的边缘检测控制功能,可以实现针对局部区域数据进行数据采集和共享的目标.

摘要：为了兼顾感知质量和成本的局部差异性和全局可控性,提出一种基于聚类分析的群智感知任务分配方法。该方法首先根据聚类分析方法分析网络中节点的移动模式,将移动范围相近的节点归为同一个簇,并从簇中选择具有较大移动范围的节点作为集中式参与节点,集中式参与节点从集中的服务平台获取感知任务。同时,该方法选择与集中式参与节点有相遇机会且能够扩大感知覆盖范围的节点作为机会式参与节点,机会式参与节点通过机会式接触从集中式参与节点处获取感知任务。实验证明该方法能够以较低成本获得较高感知覆盖率。

摘要：群智感知是一种招募移动设备用户完成数据采集、云计算等任务的感知模式。但在不对称信息场景下,因云平台无法观测到用户私人类型信息而处于不利地位,产生不能有效利用用户、导致自身利益被削减的问题。利用基于契约理论的群智感知激励机制,针对不同类型用户,在对称信息场景和不对称信息场景下,分别设计了最优契约,并提出了最优方案不等式,有效地最大化云平台的收益,激励了用户披露其私人信息。最后利用仿真验证了最优契约,并讨论了噪声、成本、分界线对云平台收益的影响。

摘要：车联网群智感知可以充分利用参与车辆的移动性来定向地为有需要的个人或组织提供精准的数据服务,然而这也使得车辆在V2X通信时将面临更严峻的隐私安全威胁。因此,首先分析了车联网群智感知系统架构的设计需要考虑的关键因素,其次讨论了群智感知系统面临的隐私安全威胁及相应的安全需求,最后提出了一种保护隐私安全的区块链赋能的条件分布式车联网群智感知系统架构,为未来车联网群智感知系统的发展和完善、部署和应用提供参考。

摘要：在基于区块链的群智感知系统中构建数据真值估计机制和用户激励机制受到了越来越多的关注.与传统的群智感知系统依赖一个集中平台来承载数据感知任务不同,该系统利用区块链分布式结构和操作透明不可抵赖的特性,使其具有更好的安全性和交互性.但是目前的研究总是独立分离设计数据真值估计机制和参与者激励机制,这导致2类机制在实际应用时往往具有局限性.针对这一问题,在综合考虑了数据真值估计精确度与用户激励后,提出了一类基于隐私保护数据真值估计的用户激励机制.该机制由2个模块组成,具有隐私保护的数据真值估计模块PATD和具有隐私保护的用户激励模块PFPI,这2个模块都是通过利用同态加密机制CKKS来构建的.由于数据采集设备精确度不够等原因,用户收集的数据往往具有噪声,因此PATD对用户提交的含有噪声的数据的加密结果进行计算,并将解密后的计算结果作为相应数据真值的估计.因为所用的数据均是加密的,所以可以保护用户数据隐私,同时,该机制还可以保证解密后的估计值具有较高的估计精度.此外,作为一种激励机制,PFPI满足真实性、个体合理性且具有较高的社会福利,同时利用CKKS保证用户在竞标过程中的竞价隐私安全.最后,进行了大量实验来验证所提的基于隐私保护数据真值估计的用户激励机制的各种特性.实验结果表明,该机制与最新方法相比具有更好的性能.

摘要：计算机技术和通信技术的融合是一个必然的趋势,频谱感知作为计算机通信技术的一个组成部分,是解决现有无线系统频谱利用率低的关键技术之一。将群智感知与频谱感知相结合,提出了一种基于微分博弈的群智频谱感知算法。平台的效用定义为第三方支付的报酬减去付给次用户的报酬,次用户的效用定义为平台支付的报酬减去次用户参与频谱感知任务的成本,以各自效用最大为目标设计了一种非合作的微分博弈模型。该微分博弈模型包含一个微分方程、平台效用和次用户效用,通过公式推导求解其反馈纳什均衡,得到平台和用户的最优策略的表达式,即平台决定任务的最优价格,各个次用户确定频谱的最优检测概率(即感知时间)。仿真结果表明,平台和次用户采取最优策略时效用高于采取固定策略时的效用。

摘要：针对移动群智感知网络中感知的任务分配以及保护感知用户的隐私信息问题,提出了一种基于用户属性感知的任务分配与隐私保护协同机制。首先,根据感知用户固有属性以及历史任务参与记录,挖掘用户对任务的不同倾向、意愿和访问等来量化出用户的静态属性和社会属性;然后,将用户属性作为输入,使用BP神经网络对用户服务能力进行分析,实现任务与用户的优化分配;最后,感知用户生成假名参与感知任务,结合环签名对用户属性生成随机数进行属性加密,确保感知用户在隐私安全的前提下,提升平台感知数据的准确程度。仿真实验结果表明,文中所提出的策略能够有效地选择出感知用户,验证了用户上传数据的可用性,保护了用户的身份安全。

摘要：在群智感知(mobile crowd sensing,MCS)数据收集过程中,任务参与者的恶意行为能够显著降低感知结果的真实性.为解决此问题,提出了一种参与者信誉度感知的数据收集机制,通过意愿程度和数据质量分析信任状态、量化历史信誉度,进而,根据逻辑回归模型动态更新参与者当前信誉度.同时,为准确衡量感知数据可信程度,利用剩余可发送时间和移动设备剩余能量将参与者分为直接发送和间接转发两类,从而在多任务并发场景下,服务器根据结果合理地选择任务参与者,达到准确可靠收集感知数据的目的.结果表明所提出数据收集机制能大幅度提升感知任务实时性,显著提高感知数据质量,有效降低服务器总奖励开销.