融合大规模BSN的社区发现及隐私保护关键问题研究

Body Sensor Networks (BSNs) generate a large amount of data due to the rapid growth of using smartphones and body sensors as well as continuous monitoring. The efficient collection, analysis and management of these data have significant values for research and application. This project aims at widespreadly monitoring and intervening human health . In order to overcome the limitations of existing technology, we fuse the large-scale BSN data and social network data to discover virtual community, and share interest information with more accuracy. We focus on the following key issues: context-based detection and classification of human activity and events, the dynamic discovery of virtual communities of interest using BSN information, privacy protection technology that are applicable to the combination of BSN data and social network data integrated with social network user contexts, we learn the context modeling of sensors to conquer the problem of weak semantics in BSN data; we investigate the framework and algorithms for discovering virtual communities of interest from large-scale BSN data, by exploiting the immediate activities information; based on data fuzzification and trust-based access control methods, we protect users' privacy as much as possible. Finally, we expand the prototype system validation of Xiamen social community health archival data to real applications. The results of the project will provide new ideas and theoretical basis for analyzing the data fusing large-scale BSN data and social network data, and can be easily extended to related areas.

随着智能手机和人体传感器(Body Sensor Network, BSN)的快速增长及连续监测，产生了大量BSN数据，这些数据的有效收集、分析、管理具有重要研究和应用价值。项目面向大型健康监测和干预应用领域，针对现有技术局限性，以融合大规模BSN和社交网络发现虚拟社区，实现更精准的兴趣信息共享为主线，重点研究基于情境的用户行为检测和活动分类、融合BSN信息的动态虚拟社区发现、适用于BSN和社交网络结合的隐私保护技术等关键问题。结合社交网络用户情境，采用统计学或机器学习等方法研究传感数据的情境模型，克服BSN数据的弱语义问题；利用BSN的即时活动信息，研究适用于大规模BSN的虚拟社区发现框架及算法；基于数据模糊化和信任为基础的存取控制方法最大化保护隐私安全。最后实现原型系统并以厦门市社区健康档案管理平台为基础展开应用研究。成果为大规模BSN和社交网络的结合提供新思路和理论依据，且易于扩展。

随着智能手机和人体传感器(Body Sensor Network, BSN)的快速增长及连续监测，产生了大量BSN 数据，这些数据的有效收集、分析、管理具有重要研究和应用价值。项目面向大型健康监测和干预应用领域，针对现有技术局限性，以融合大规模BSN和社交网络发现虚拟社区，实现更精准的兴趣信息共享为主线，重点研究基于情境的用户行为检测和活动分类、融合BSN信息的动态虚拟社区发现、适用于BSN和社交网络结合的隐私保护技术等关键问题。结合社交网络用户情境，采用统计学或机器学习等方法研究传感数据的情境模型，克服BSN数据的弱语义问题；利用BSN的即时活动信息，研究适用于大规模BSN 的虚拟社区发现框架及算法；基于数据模糊化和信任为基础的存取控制方法最大化保护隐私安全。成果为大规模BSN 和社交网络的结合提供新思路和理论依据，且易于扩展。. 本项目充分利用厦门理工学院的基础信息系统架构，搭建多源传感器，并结合项目合作、数据采购等形式，逐步搭建了基于校园服务、医疗诊断、交通出行行为等不同应用场景下的大规模BSN数据采集体系，实时获取可研究的时空多源数据。针对不同应用场景，在多源社交数据融合和用户行为监测方面开发了多套分类方法，解决动态数据的收集和处理问题，提高了分类精度和效率；动态社区发现框架方面，设计了一套基于用户查询的RDF数据存储索引机制，用以提高数据的查询性能，同时，基于学校构建的云计算平台，对社区发现的聚类方法进行并行设计和优化，提升聚类技术的运行速度和数据的吞吐量；隐私保护方面，则设计并实现基于单一兴趣点Voronoi 图划分和四叉树层次化组织的KNN查询方法，该方法在保护位置隐私的同时，降低了查询通信开销，同时注入虚假查询保护了用户的真实查询内容隐私。通过上述研究，本项目实现了研究目标中要求的若干算法和原型系统，发表学术论文26篇（其中SCI 15篇、 EI 11篇）、授权发明专利2项、申请发明专利2项，达到预期研究成果。