本文转自：大众网

大众网·海报新闻记者 姜申涛 报道

随着物联网(IoT)的快速发展和5G网络的快速普及，移动众包(MCS)已成为当今社会不可或缺的一部分，但MCS中的任务执行通常涉及任务参与者的位置和轨迹，这将对任务参与者的隐私造成威胁，因此MCS中的隐私权保护已成为当今社会亟待解决的重要研究问题之一。当前，现有的任务分配研究大多集中在离线优化任务分配上，离线任务分配会预先学习工人和任务的所有信息，并且这些研究在现实世界的情况下并不能获得好的结果，而在线任务分配问题却往往会导致局部最优分配。为了解决这些问题，就需要关注在线任务分配和工人的到达时间以达到更好的分配效果。

近日，烟台大学计算机与控制工程学院分布式人工智能团队在国际知名期刊IEEE Transactions on Mobile Computing (CCF A类期刊，IF：6.075)和IEEE Transactions on Service Computing（CCF B类期刊，IF：11.019）上分别发表题为“A Triple Real-time Trajectory Privacy Protection mechanism Based on Edge computing and Blockchain in Mobile Crowdsourcing”和“Two-stage Bilateral Online Priority Assignment in Spatio-temporal Crowdsourcing”高水平论文，创新性地提出了一种基于边缘计算和区块链技术的三重实时轨迹隐私保护机制（T-LGEB）应用于MCS。（其系统体系结构如图1所示）

图1轨迹位置隐私保护系统体系结构

首先，使用本地化差分隐私技术和基于高斯分布的多概率延伸机制来处理任务参与者当前的真实位置，并且任务参与者将使用处理后的位置进行数据上传和假名服务请求。其次，通过提出的基于边缘计算的时空动态假名机制，将任务参与者的整个轨迹划分为多个具有不同假名身份的无关轨迹段。最后，在MCS中引入区块链技术，使用区块链代替传统第三方平台能够有效解决不可信第三方平台造成的隐私泄露问题。通过对多个真实数据集进行大量实验和对比分析，证明了提出的T-LGEB具有极高的隐私保护能力和数据可用性，并且所造成的资源消耗也相对较低。

此外，该团队创新地提出了一种基于在线分配模型的在线双边分配（OBA）问题，并提出了一种双边在线优先级重新分配算法（BOPR）（如图2所示），BOPR算法通过双边分配实现实时任务/工人分配。为了保证匹配任务的数量，在BOPR算法中设计了一个优先级队列。考虑工人和任务的等待时间期限和优先级排序以及错误率情况，避免工人和任务等待时间过长，尽可能分配每个任务。在此基础上，针对不成功的任务设计了两阶段分配策略，最大限度地降低任务的错误率，显著提高任务分配的效率。最后，通过对真实数据集的实验，评估了算法在全局效用值和匹配数方面的性能。

图2双边在线优先级重新分配方法（BOPR）

群智感知是指通过人们已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发布给网络中的个体或群体来完成，从而帮助专业人员或公众收集数据、分析信息和共享知识。群智感知被广泛地应用在城市环境监测、城市动态感知、商业智能、智慧交通、公共安全等领域。例如，要了解城市交通路网的畅通和拥堵，城市的空气、水体质量，城市中某一地区的消费者更偏爱某些特定的产品等情况，可以利用大量普通用户使用的移动设备作为基本感知单元，通过物联网和移动互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大规模、复杂的城市与社会感知任务。

随着网络空间复杂性的增强，群智感知范围如今已不局限于地面，具有感知能力的网络实体，如地面移动终端、车辆、摄像头、低空无人机、海洋空间无人艇、高维空间卫星等，共同组成了多空间群智感知实体，呈现出异构、多维、多目标的网络特性，现有的群智感知激励方法已不能实现“高效且低成本地收集满足任务要求的高质量数据”的目标。在多空间群智感知中，不同任务具有时空特征、设备能力、激励成本、质量需求等不同方面的约束，根据多维、异构感知实体设定优化目标并进行参与者选择是提高多目标群智感知任务分配效率的重要因素。因此，对多空间群智感知相关理论和技术的研究具有重要的理论意义和实际意义。

烟台大学计算机与控制工程学院分布式人工智能团队重点围绕多空间群智感知的任务分配、隐私保护和质量控制三方面研究内容，构建了具有安全性、自组织性、可信性和稳定性的多空间群智感知优化机制，从不同方面激励用户积极参与任务的发布和感知，有效提高了多空间群智感知任务分配的安全性、自组织性、可信性和稳定性。

据团队负责人介绍，下一步，团队将在群智感知的研究方向上形成一套面向多空间群智感知的任务分配优化机制理论体系，将研究成果应用于分布式群智感知的原型系统中，并进行实验验证，实现中心-边缘协同、全网算力调度、全网统一管控等能力，真正实现“无处不在”的云，最终，将项目研究成果应用到智慧城市中物流业、交通业和城市服务的智慧式管理和运行中。