论文汇报——EPTD(移动人群感知系统中高效隐私保护的真相发现)

------------恢复内容开始------------

------------恢复内容开始------------

移动人群感知系统中高效隐私保护的真相发现

Efficient and Privacy-Preserving Truth Discovery in Mobile Crowd Sensing Systems

　　所谓群智感知是一种将普通用户的移动设备（如手机、手环）作为基本感知单元的数据收集平台。具体来说，当需要收集某些数据时，数据需求方可将数据的采集任务有偿分配给多个配有感知设备的移动用户，并要求每个用户上传其收集到的特定数据。真值发现算法通常被用在群智感知场景中，比如应用在交通监控、路径规划和实时导航上。

　　真值发现的原理是如果某用户提供的数据更接近基本事实，并且如果该用户具有更高的权重，则该用户提供的数据将在聚合过程中计数更多，大致讲一下：

　　假设系统中有D个移动用户，每个用户被要求去观测H个不同类型的对象（第d个用户对第h个观测对象的观测值可被记录为x_d^h， 表示第h个观测对象在每一次迭代过程中的真值），首先初始化真值 。 是计算当前H个传感值离当前真值（估计值）的距离，所占有的权重比例。如果用户d上传的数据离当前的真值很近，那么被分配的 值就越高。

------------恢复内容结束------------

真值发现算法通常由数据需求方执行，目的是剔除某些移动设备上传的错误的和低质量的数据，从而保证来源数据的可靠性。然而，传统的真值发现算法并没有考虑数据采集过程中的隐私泄露问题。一般来说，移动用户采集的感知数据如实时的位置信息、个人健康数据以及身份信息通常包含个人的敏感信息，明文地提交这些数据给数据需求方势必会造成严重的隐私泄露隐患； 另一方面，在云辅助的数据采集过程中，数据需求方通常将复杂的真值发现算法外包给云服务器执行，从而进一步降低本地计算成本。然而，外包计算的不透明性使得真值发现结果的正确性难以保证。为了降低成本，一个恶意的服务提供商完全有动机去压缩真值发现的计算过程，并以相对失真的结果去欺骗数据需求方。

------------恢复内容结束------------

\begin{array}{c}
y_u = x_u+∑_(u<v)▒s_uv -∑_(u>v)▒s_vu
\end{array}{\color{Blue} \mathrm{} }