面向节点隐私保护的可持续群智感知系统关键技术研究

Having sufficient mobile device users participating in sensing tasks and providing high quality of service (QoS) are two key factors to achieve a sustainable participatory sensing system. Protecting the privacy of participants can stimulate participants to take part in more tasks but on the other hand it can also bring challenges to improving system QoS. The project emphasizes on the sustainability of participatory sensing systems while take privacy issues during data collecting, processing, and publishing into consideration. First, for anonymous participants, we will investigate enhanced participant management techniques, with which the system can prevent malicious participants from launching Sybil attacks to achieve unfair incentives, and establish and maintain reputation for anonymous participants; Second, we will study blind regression modeling for low-quality private data, with which the system can still build an accurate regression model even with on original data available and with outliers embedded in the data; third, we will assess the risks of privacy leakage problem when publishing anonymized trajectory data to users and study new privacy-safe method to publish trajectory data, with which users can still use the published data for analysis without warrying about leaking the private information of the original trajectories. We will design and implement a prototype participatory system, which can be used to evaluate the performance and feasibility of all proposed schemes and key techniques. The outcomes of this project will push the participatory sensing technology forward and improve the living quality of the public.

节点积极参和高质量信息服务是群智感知应用获得可持续发展的两大关键要素，而节点隐私保护在鼓励节点参与感知的同时却对系统的服务质量带来诸多挑战。本课题在感知数据的采集、分析、发布的全过程中充分考虑节点隐私保护的关切，重点关注群智感知系统发展的可持续性。首先，探索匿名环境下节点管理增强技术，实现对恶意节点的抑制和对普通节点的信誉管理，突破节点和平台互不可信的堡垒；其次，研究低质量私密数据统计回归建模技术，解决利用私密且质量低下的感知数据获取高质量信息服务的难题；第三，研究匿名移动轨迹数据的隐私泄漏风险与安全发布方法，化解轨迹隐私保护与数据可用性间矛盾。课题组将设计并实现群智感知原型系统，以验证所设计的方法和关键技术。本课题的成功开展，将为群智感知计算形成切实可行的信息技术产品及产业化，促进群智感知计算推动社会经济发展，提高人们的生活品质做出积极的贡献。

本项目在感知数据采集、分析、发布全过程中考虑节点隐私保护关切，重点关注群智感知系统发展可持续性。针对节点隐私保护和群智感知系统安全问题，具体在五个方面展开研究并取得预期成果：1）提出了一种效用感知的参与者选择方案，该方案使用一种兼顾数据质量和感知位置的感知效用，服务器可在不获知感知节点数据质量和感知位置的前提下，使用有限感知预算最大化感知目标区域的总感知效用。2）提出了一套保护移动感知数据隐私的盲回归建模及更新方法，节点无需提供原始感知数据，回归建模的异常值崩溃点高，可容忍40%的异常感知数据，且自适应回归模型更新能够适应感知数据分布变化。3）提出了一种通用的移动轨迹去匿名方法，并使用真实车辆轨迹数据，从稀疏的停车记录中提取了驾驶员的停车偏好及行驶路段偏好行为特征，实现了车辆轨迹的去匿名。4）研究了分布式学习中的分布式毒化攻击，得出了分布式毒化攻击中毒化训练样本数量、攻击者人数以及毒化样本分配策略与攻击成功率间的定性关系，并提出了一种基于模型间距离度量的分布式毒化攻击防御策略，将攻击成功率降低至3%以下。5）提出了一种基于便携设备间连续相互验证的在线防丢检测系统。通过比对不同便携设备上所搭载的惯性传感器数据间的相关性来判断这些设备是否由同一合法用户携带，该系统可达成秒级移动设备丢失报警。