本文轉自:大衆網

大衆網·海報新聞記者 姜申濤 報道

隨着物聯網(IoT)的快速發展和5G網絡的快速普及,移動衆包(MCS)已成爲當今社會不可或缺的一部分,但MCS中的任務執行通常涉及任務參與者的位置和軌跡,這將對任務參與者的隱私造成威脅,因此MCS中的隱私權保護已成爲當今社會亟待解決的重要研究問題之一。當前,現有的任務分配研究大多集中在離線優化任務分配上,離線任務分配會預先學習工人和任務的所有信息,並且這些研究在現實世界的情況下並不能獲得好的結果,而在線任務分配問題卻往往會導致局部最優分配。爲了解決這些問題,就需要關注在線任務分配和工人的到達時間以達到更好的分配效果。

近日,煙臺大學計算機與控制工程學院分佈式人工智能團隊在國際知名期刊IEEE Transactions on Mobile Computing (CCF A類期刊,IF:6.075)和IEEE Transactions on Service Computing(CCF B類期刊,IF:11.019)上分別發表題爲“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”高水平論文,創新性地提出了一種基於邊緣計算和區塊鏈技術的三重實時軌跡隱私保護機制(T-LGEB)應用於MCS。(其系統體系結構如圖1所示)

圖1軌跡位置隱私保護系統體系結構

首先,使用本地化差分隱私技術和基於高斯分佈的多概率延伸機制來處理任務參與者當前的真實位置,並且任務參與者將使用處理後的位置進行數據上傳和假名服務請求。其次,通過提出的基於邊緣計算的時空動態假名機制,將任務參與者的整個軌跡劃分爲多個具有不同假名身份的無關軌跡段。最後,在MCS中引入區塊鏈技術,使用區塊鏈代替傳統第三方平臺能夠有效解決不可信第三方平臺造成的隱私泄露問題。通過對多個真實數據集進行大量實驗和對比分析,證明了提出的T-LGEB具有極高的隱私保護能力和數據可用性,並且所造成的資源消耗也相對較低。

此外,該團隊創新地提出了一種基於在線分配模型的在線雙邊分配(OBA)問題,並提出了一種雙邊在線優先級重新分配算法(BOPR)(如圖2所示),BOPR算法通過雙邊分配實現實時任務/工人分配。爲了保證匹配任務的數量,在BOPR算法中設計了一個優先級隊列。考慮工人和任務的等待時間期限和優先級排序以及錯誤率情況,避免工人和任務等待時間過長,儘可能分配每個任務。在此基礎上,針對不成功的任務設計了兩階段分配策略,最大限度地降低任務的錯誤率,顯著提高任務分配的效率。最後,通過對真實數據集的實驗,評估了算法在全局效用值和匹配數方面的性能。

圖2雙邊在線優先級重新分配方法(BOPR)

羣智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡,並將感知任務發佈給網絡中的個體或羣體來完成,從而幫助專業人員或公衆收集數據、分析信息和共享知識。羣智感知被廣泛地應用在城市環境監測、城市動態感知、商業智能、智慧交通、公共安全等領域。例如,要了解城市交通路網的暢通和擁堵,城市的空氣、水體質量,城市中某一地區的消費者更偏愛某些特定的產品等情況,可以利用大量普通用戶使用的移動設備作爲基本感知單元,通過物聯網和移動互聯網進行協作,實現感知任務分發與感知數據收集利用,最終完成大規模、複雜的城市與社會感知任務。

隨着網絡空間複雜性的增強,羣智感知範圍如今已不侷限於地面,具有感知能力的網絡實體,如地面移動終端、車輛、攝像頭、低空無人機、海洋空間無人艇、高維空間衛星等,共同組成了多空間羣智感知實體,呈現出異構、多維、多目標的網絡特性,現有的羣智感知激勵方法已不能實現“高效且低成本地收集滿足任務要求的高質量數據”的目標。在多空間羣智感知中,不同任務具有時空特徵、設備能力、激勵成本、質量需求等不同方面的約束,根據多維、異構感知實體設定優化目標並進行參與者選擇是提高多目標羣智感知任務分配效率的重要因素。因此,對多空間羣智感知相關理論和技術的研究具有重要的理論意義和實際意義。

煙臺大學計算機與控制工程學院分佈式人工智能團隊重點圍繞多空間羣智感知的任務分配、隱私保護和質量控制三方面研究內容,構建了具有安全性、自組織性、可信性和穩定性的多空間羣智感知優化機制,從不同方面激勵用戶積極參與任務的發佈和感知,有效提高了多空間羣智感知任務分配的安全性、自組織性、可信性和穩定性。

據團隊負責人介紹,下一步,團隊將在羣智感知的研究方向上形成一套面向多空間羣智感知的任務分配優化機制理論體系,將研究成果應用於分佈式羣智感知的原型系統中,並進行實驗驗證,實現中心-邊緣協同、全網算力調度、全網統一管控等能力,真正實現“無處不在”的雲,最終,將項目研究成果應用到智慧城市中物流業、交通業和城市服務的智慧式管理和運行中。

相關文章