面向路径隐私保护的移动群智感知数据收集研究

In this proposal, we study the trajectory privacy protection in mobile crowdsensing data gathering as the background, study the existing three problems: the participant requires too much the number of reporting locations, the trajectory privacy of the participants could be easily leaked with multiple locations reporting, and the coverage quality of task is hard to guarantee under trajectory privacy constraint. In tackling these three challenges, we study how to adaptively generate the sparse sampling matrix, build the private graphic decomposition and select the candidate users' area. We will make research in terms of the following three aspects. (1) We exploit global sensory data metric to learn the correlations of sensory data, and then select the sparse sampling locations to generate the adaptive sparse sampling matrix. (2) We study task allocation strategy according to noise map publishing. It exploits differential privacy theory and undirected graph decomposition techniques to build private graphic decomposition, which aims to solve the undirected graphic noise addition. (3) We study the optimal candidate user’s area selection problem with probability coverage and the trajectory protection constraints, which is intended to protect the user's trajectory privacy during the task assignment. Through study on the project, we want to obtain the trajectory privacy-preserving data gathering in mobile crowdsening networks.

本课题以移动群智感知网络数据收集中的用户路径隐私保护问题为背景，针对目前理论研究与应用中存在的三个问题：用户上报位置数目过量、时空多位置保护缺失和基于路径隐私保护任务覆盖质量无保证，拟解决自适应稀疏采样矩阵构建、基于无向图的噪音添加和基于隐私保护的用户区域选取三个关键因素。具体开展以下研究：（1）根据感知数据的全局质量度量，联合感知数据相关性学习和压缩感知理论，进行自适应稀疏采样点的选取，解决自适应稀疏采样矩阵构建；（2）研究基于用户噪音地图发布的任务分配策略，利用差分隐私和无向图划分技术，进行安全隐私地图分解，解决基于无向图的差分隐私噪音添加；（3）研究基于路径隐私保护与任务覆盖限制下的最优用户区域选取，联合概率覆盖和多条件限制优化问题的求解，解决基于隐私保护的最优用户区域的选取。通过本项目研究，预期实现基于用户噪音地图发布的群智感知数据收集，为参与用户提供有效的路径隐私保护机制。

针对移动群智感知网络数据收集与用户轨迹隐私保护，本项目针对其涉及的关键技术展开一系列相关研究。在本项目执行过程中已发表学术论文32篇，其中SCI/EI检索26篇，申报发明专利11项，授权发明专利2项，培养研究生11名，已毕业4名。.本项目在执行过程中较好的完成了预期研究目标，其主要研究内容与成果包括四个方面：（1）提出一种不依赖感知数据的低相干性稀疏采用矩阵与表示基设计方案，在减少对感知数据采样和降低传输成本的同时，实现在降低采样成本的情况下对感知数据的高精度重构；（2）提出一种基于路段上报的差分隐私用户轨迹隐私保护，实现群智感知网络中数据收集过程中用户轨迹贝叶推理攻击的有效防护；（3）提出一种端云协同的轻量级感知数据采样与加密方案，实现感知数据低复杂度采样，云端自适应安全存储与计算外包；（4）提出一种背景与用户动作分离的室内Wi-Fi信号去噪方案，实现利用Wi-Fi信号在穿墙情况下对人员动作的高精度感知与识别。.通过本项目的研究，利用差分隐私保护、压缩感知、低秩填充等理论，在一定程度上解决群智感知网络中用户路径轨迹隐私保护、云端数据自适应安全计算外包和高质量数据收集与重构。本项目研究方案不仅可以有效提升群智感知网络稀疏采用数据收集，同时还为参与用户提供轨迹隐私保护，云端感知数据的安全外包计算提供一定的理论依据与实际应用价值。