边云协同群智感知中隐私增强多任务分配机制

摘要：

在移动群智感知中现有研究普遍基于边缘服务器或云服务器是可信的这一前提假设,无法在提高感知数据质量的同时有效保护参与者隐私.提出一种基于半可信执行环境的隐私增强多任务分配(PEMTA)机制,基于Hilbert曲线特性对任务进行位置聚类,将相邻边缘服务器结合Paillier加密体系的同态特性进行相互协作,根据参与者和任务的匹配度为每个任务挑选最佳参与者集合,完成感知任务且不泄露参与者隐私.设计贪心冲突排除算法,根据任务佣金对冲突任务进行等级划分,按照划分后的任务等级依次为冲突任务挑选最佳的替换参与者,解决了多任务分配产生的参与者匹配冲突问题.利用动态信誉值更新算法,通过量化参与者提交的感知数据与聚合后数据的偏差,动态更新参与者的信誉值,缓解了恶意攻击造成的数据质量损失.实验结果表明,PEMTA机制具有良好的抗恶意攻击性能,感知数据质量和任务完成率相比于同类多任务分配机制平均提升了18.14％和15.47％.

关键词：移动群智感知、边缘计算、多任务分配、Hilbert曲线、Paillier加密

所属期刊栏目：49

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省高等学校重点科研项目

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：52-60