群智感知中考虑隐私保护和服务质量约束的收益优化算法研究

Crowdsensing applications have become a new important application paradigm in Internet. However, the key problems such as profit optimization, which determine crowdsensing success or failure, need still to be studied. Hence, this project researches a profit optimization algorithm to maximize the profit of the system from several aspects, including incentive mechanism, task scheduling, and truth assessment of anonymous sensed data. Firstly, this project researches the models of some real environment factors of crowdsensing application, including user random arrival, submitting the bid price at any time, and users’ diverse risk appetite. Based on these models, an incentive mechanism which adopts a contribution-dependent system cost function is researched to maximize the system profit. In order to incent users to participate as much as possible, we eliminate the users’ worries about their privacy leakage by considering the constraints of user privacy and quality of service. Secondly, in profit optimization frame, a truth assessment algorithm of sensed data which employs an anonymous reputation technique is researched to encourage a user to submit the real and valid sensed data. Thirdly, after the project models the location factor of a sensing task and considers the user sensing capacity limitation, a sensing task scheduling algorithm is researched to maximize the system profit and quality of service. The research results of this project will solve the key problems which hinder the development of crowdsensing applications and richen the theory on the crowdsensing and promote the large-scale deployment of crowdsensing applications.

群智感知已经成为一个新的重要互联网应用模式，然而决定其成败的收益优化等关键问题还亟待研究。为此，拟从激励机制、任务调度，匿名数据真实性评估等方面入手，设计一个综合的系统收益最大化算法，具体包括：1）研究用户随机到达，提交竞价时间任意、用户风险偏好多样等现实因素的有效建模方法，在此基础上研究一个预算成本函数化的最大化系统收益的激励机制，着重同时考虑用户隐私和服务质量约束以消除用户对隐私泄漏的担忧，从而最大程度激励用户的积极参与；2）收益优化框架下，在充分考虑用户隐私和匿名性的基础上研究一个基于匿名信誉的感知数据真实性评价算法，促使用户提交真实的感知数据；3）为了最大化系统收益和服务质量，在有效建模感知任务的位置因素，充分考虑用户感知能力约束的基础上，研究考虑数据感知质量的位置相关的任务调度算法。通过本项目的研究，能较好的解决阻碍群智感知发展的关键问题，丰富群智感知理论，促进其大规模应用。

群智感知已经成为一个新的重要互联网应用模式，然而决定其成败的收益优化等关键问题还亟待研究。为此，拟从激励机制、任务调度，匿名数据真实性评估等方面入手，设计一个综合的系统收益最大化算法，具体包括：1）研究用户随机到达，提交竞价时间任意、用户风险偏好多样等现实因素的有效建模方法，在此基础上研究一个预算成本函数化的最大化系统收益的激励机制，着重同时考虑用户隐私和服务质量约束以消除用户对隐私泄漏的担忧，从而最大程度激励用户的积极参与；2）收益优化框架下，在充分考虑用户隐私和匿名性的基础上研究一个基于匿名信誉的感知数据真实性评价算法，促使用户提交真实的感知数据；3）为了最大化系统收益和服务质量，在有效建模感知任务的位置因素，充分考虑用户感知能力约束的基础上，研究考虑数据感知质量的位置相关的任务调度算法。通过本项目的研究，能较好的解决阻碍群智感知发展的关键问题，在确保群智感知中的用户隐私和服务质量的前提下，综合优化系统收益，克服现有研究片面、单一的研究目标，在一致的收益最大化目标和框架中协调和统一以往看似矛盾的性能需求，丰富群智感知理论，促进其大规模应用。本项目的最终成果主要以论文和专利的方式呈现，目前已经发表了26篇相关论文，其中SCI检索论文24篇，一区论文5篇，二区论文10多篇，ESI论文（高被引论文）6篇，CCF B类论文5篇，CCF C类论文6篇。SCI总引用将近200次。申请发明专利9件，已授权4件。本研究在人才培养和引进方面也取得了预期的成果，通过参与该研究，两位成员成功晋升为了教授，并成功入选了浙江省中青年学科带头人和浙江工商大学首批西湖学者，培养了7位硕士研究生。项目实施过程中，项目组加大了对国际前沿工作的跟进以及与国际同行的交流及合作，不仅促进了项目的顺利完成，也扩大了项目成果的影响力。