基于位置隐私保护和信任的工人招募方法及系统

本发明属于群智感知领域，具体涉及一种基于位置隐私保护和信任的工人招募方法及系统。

背景技术：

1、群智感知利用人们携带的海量感知设备进行数据感知与利用，通过数据收集和共享实现物理世界的数据处理。在群智感知应用中，工人的参与意愿和提交的感知数据质量是任务成功执行的关键因素。随着感知用户参与任务的增多，贡献的数据变得更加丰富，但也增加了隐私泄露的风险。为了激励用户提交高质量的数据并提高其参与意愿，隐私保护变得至关重要。

2、在感知平台与工人之间的交互过程中，工人招募问题变得复杂而具有挑战性：其中，保护工人的隐私和确保数据的可靠性，对于群智感知任务的成功执行，至关重要。

3、在位置隐私保护方面，目前存在两种主要方法：一种是基于位置混淆的方案，通过将位置信息模糊化，隐身区域来保护工人和任务点的位置；另一种是基于扰动的方案，通过添加人工噪声来扭曲位置信息，这是对传统差分隐私概念的延伸。然而，在使用这些方法进行位置隐私保护时，可能会出现任务分配不准确、开销大以及信息泄露的风险。

4、针对数据质量问题，有研究人员提出了一类称为真值发现方法的解决方案，包括平均值法、加权平均值法、中位数法等。这些方法旨在尽量使计算值靠近真实数值，从而尽可能保证计算值的可靠性。但是在具体实施过程中，这类方案在极端情况下，其可靠性和精确性依旧无法保证。

技术实现思路

1、本发明的目的之一在于提供一种可靠性高、精确性好且安全性好的基于位置隐私保护和信任的工人招募方法。

2、本发明的目的之二在于提供一种实现所述基于位置隐私保护和信任的工人招募方法的系统。

3、本发明提供的这种基于位置隐私保护和信任的工人招募方法，包括如下步骤：

4、s1. 工人招募方将招工信息、工人将自身信息，通过加密方式上传服务器；

5、s2. 服务器根据接收到的数据信息，计算工人位置与任务点之间的距离，并加密传输给工人招募方；工人招募方通过数据重构得到工人集合；

6、s3. 在得到的工人集合中，工人招募方基于贪心算法，得到招募工人集合；

7、s4. 工人招募方根据招募工人集合中的数据信息，基于工人数据的准确性和时效性，进行工人权重计算数据的更新；

8、s5. 工人招募方根据更新后的工人权重计算数据，对工人进行权重分类，以完成基于位置隐私保护和信任的工人招募。

9、所述的步骤s1，具体包括如下步骤：

10、工人招募方将任务点的位置信息和招工范围阈值r，通过秘密共享得到两组秘密份额和，并将共享给第一服务器，将共享给第二服务器；其中，为共享给第一服务器的x轴位置信息的秘密份额，为共享给第一服务器的y轴位置信息的秘密份额，为共享给第一服务器的招工范围阈值r的秘密份额，为共享给第二服务器的x轴位置信息的秘密份额，为共享给第二服务器的y轴位置信息的秘密份额，为共享给第二服务器的招工范围阈值r的秘密份额；

11、工人将自身在t时刻的位置信息，通过秘密共享得到两组秘密份额和，并将共享给第一服务器，将共享给第二服务器；其中，为共享给第一服务器的x轴位置信息的秘密份额，为共享给第一服务器的y轴位置信息的秘密份额，为共享给第二服务器的x轴位置信息的秘密份额，为共享给第二服务器的y轴位置信息的秘密份额。

12、所述的步骤s2，具体包括如下步骤：

13、服务器，c的取值为0或1，根据接收到的数据信息，计算工人与任务点之间的距离平方和为；

14、服务器根据计算得到的，计算得到各自的第一变量 为并相互交换；其中为工人招募方随机生成的附加值；

15、服务器根据交互交换的第一变量，重构得到第二变量为；

16、将第二变量进行加密生成第一密钥并发送给第一服务器，将第二变量进行加密生成第二密钥并发送给第二服务器；

17、第一服务器和第二服务器，对各自接收到的加密数据进行解密，并将解密结果发送给工人招募方；

18、工人招募方将接收到的数据，通过数据重构，得到在位置信息的招工范围阈值r内的工人及对应数据信息，并构成工人集合。

19、所述的步骤s3，包括如下步骤：

20、在得到的工人集合中，去除工人权重数据低于第二设定值的工人；

21、若去除工人权重数据低于第二设定值的工人后，剩余的工人人数小于或等于需要招募的工人数量，则招募所有的剩余工人；

22、若去除工人权重数据低于第二设定值的工人后，剩余的工人人数大于需要招募的工人数量，则根据剩余的工人与任务点的距离和剩余工人的权重值，计算得到剩余工人的工人效益，并采用贪心算法招募对应的工人。

23、所述的步骤s3，具体包括如下步骤：

24、在得到的工人集合中，去除工人权重数据低于第二设定值的工人，得到剩余工人集合；

25、对剩余工人集合进行判断：

26、若剩余工人集合中的工人数小于或等于需要招募的工人数量，则直接招募剩余工人集合中的所有工人，并构成招募工人集合；

27、若剩余工人集合中的工人数大于要招募的工人数量，则采用如下算式扩展剩余工人集合中第i个工人的置信上限：式中为权重值；为剩余工人集合中第i个工人的权重；k为需要招募的工人数量；为招募工人的总次数；为剩余工人集合中第i个工人的被招募次数；

28、基于剩余的工人与任务点的距离和剩余工人的置信上限，采用如下算式计算得到剩余工人集合中第i个工人的工人效益：式中为招募剩余工人集合中第i个工人所需成本；

29、基于贪心算法，在剩余工人集合中，招募工人效益排名最靠前的k个工人，构成招募工人集合，并更新对应的和。

30、所述的步骤s4，包括如下步骤：

31、在招募工人集合中，若不存在工人权重数据大于或等于第一设定值的工人，则返回步骤s1进行下一个任务点的工人招募；

32、在招募工人集合中，若存在工人权重数据大于或等于第一设定值的工人，则基于工人的权重数据计算工人对应的真相数据和准确性数据，并结合对应数据的时效性，对招募工人集合中的所有工人进行工人权重计算数据的更新。

33、所述的步骤s4，具体包括如下步骤：

34、在招募工人集合中，若不存在工人权重数据大于或等于第一设定值的工人，则返回步骤s1进行下一个任务点的工人招募；

35、在招募工人集合中，若存在工人权重数据大于或等于第一设定值的工人，则基于工人的权重数据，采用如下算式计算得到t时刻任务点的真相值，初始时刻t=1，任务点j=0：式中为第ii个工人提交的数据；为二值函数，且若则，否则，为第一设定值；

36、计算得到第ii个工人的数据的准确性为；

37、采用如下算式计算得到第ii个工人截止到t时刻的历史权重值：式中为归一化权重值，且，为归一化前的权重值且，为归一化前权重值计算的系数，为j时刻的归一化前的权重值，n为当前的时刻；为tt时刻工人ii的权重值；

38、根据和，计算得到对招募工人集合中的第ii个工人的更新后的权重计算数据：式中为求和权重；为数据准确性阈值。

39、步骤s5所述的工人招募方根据更新后的工人权重计算数据，对工人进行权重分类，具体包括如下步骤：

40、采用如下算式更新第ii个工人的权重值：根据平台得到的信息，将已知的工人权重数据大于或等于设定值的工人对应的初始化为1，剩余工人的初始化为0.5：式中为第ii个工人在t时刻参与的任务集合；为第ii个工人在t时刻参与的任务数量；

41、根据更新后的各个工人的权重值，对工人进行权重分类：

42、若第m个工人的权重值大于或等于第一设定值，则将第m个工人划分为工人权重数据大于或等于设定值的工人，并在下次的工人招募过程中，优先招募这类工人；

43、若第m个工人的权重值小于第二设定值，则将第m个工人划分为工人权重数据低于设定值的工人，并在下次的工人招募过程中，正常招募这类工人；

44、第一设定值大于第二设定值。

45、本发明还提供了一种实现所述基于位置隐私保护和信任的工人招募方法的系统，包括数据上传模块、工人重构模块、工人招募模块、数据更新模块和工人划分模块；数据上传模块、工人重构模块、工人招募模块、数据更新模块和工人划分模块依次串接；数据上传模块用于工人招募方将招工信息、工人将自身信息，通过加密方式上传服务器，并将数据信息上传工人重构模块；工人重构模块用于根据接收到的数据信息，服务器根据接收到的数据信息，计算工人位置与任务点之间的距离，并加密传输给工人招募方；工人招募方通过数据重构得到工人集合，并将数据信息上传工人招募模块；工人招募模块用于根据接收到的数据信息，在得到的工人集合中，工人招募方基于贪心算法，得到招募工人集合，并将数据信息上传数据更新模块；数据更新模块用于根据接收到的数据信息，工人招募方根据招募工人集合中的数据信息，基于工人数据的准确性和时效性，进行工人权重计算数据的更新，并将数据信息上传工人划分模块；工人划分模块用于根据接收到的数据信息，工人招募方根据更新后的工人权重计算数据，对工人进行权重分类，完成基于位置隐私保护和信任的工人招募。

46、有益效果：本发明提供的这种基于位置隐私保护和信任的工人招募方法及系统，采用轻量级的加密-秘密共享方案以及受信任的服务器来进行位置隐私的保护，实现了工人信息与任务点位置信息的保护；同时本发明方案还通过工人位置与任务点之间的距离信息实现工人集合的重构，以及工人权重数据的更新和工人权重类别的划分，进一步提高了数据的可靠性和精准性；因此本发明的可靠性更高、精确性更好，安全性也更好。