隨著物聯(lián)網(wǎng)(IoT)的快速發(fā)展和5G網(wǎng)絡(luò)的快速普及，移動眾包(MCS)已成為當(dāng)今社會不可或缺的一部分。但是MCS中的任務(wù)執(zhí)行通常涉及任務(wù)參與者的位置和軌跡，這將對任務(wù)參與者的隱私造成威脅。因此MCS中的隱私權(quán)保護(hù)已成為當(dāng)今社會亟待解決的重要研究問題之一。此外，現(xiàn)有的任務(wù)分配研究大多集中在離線優(yōu)化任務(wù)分配上，離線任務(wù)分配會預(yù)先學(xué)習(xí)工人和任務(wù)的所有信息。然而，這些研究在現(xiàn)實世界的情況下并不能獲得好的結(jié)果。同時，在線任務(wù)分配問題往往會導(dǎo)致局部最優(yōu)分配。為了解決這些問題，需要關(guān)注在線任務(wù)分配和工人的到達(dá)時間以達(dá)到更好的分配效果。近日，煙臺大學(xué)計算機與控制工程學(xué)院分布式人工智能團隊在國際知名期刊IEEE Transactions on Mobile Computing (CCF A類期刊，IF：6.075)和IEEE Transactions on Service Computing（CCF B類期刊，IF：11.019）上分別發(fā)表題為“A Triple Real-time Trajectory Privacy Protection mechanism Based on Edge computing and Blockchain in Mobile Crowdsourcing”和“Two-stage Bilateral Online Priority Assignment in Spatio-temporal Crowdsourcing”高水平論文。
該團隊創(chuàng)新性地提出了一種基于邊緣計算和區(qū)塊鏈技術(shù)的三重實時軌跡隱私保護(hù)機制（T-LGEB）應(yīng)用于MCS。其系統(tǒng)體系結(jié)構(gòu)如圖1所示。首先，使用本地化差分隱私技術(shù)和基于高斯分布的多概率延伸機制來處理任務(wù)參與者當(dāng)前的真實位置，并且任務(wù)參與者將使用處理后的位置進(jìn)行數(shù)據(jù)上傳和假名服務(wù)請求。然后，通過本文提出的基于邊緣計算的時空動態(tài)假名機制，將任務(wù)參與者的整個軌跡劃分為多個具有不同假名身份的無關(guān)軌跡段。最后，在MCS中引入?yún)^(qū)塊鏈技術(shù)，使用區(qū)塊鏈代替?zhèn)鹘y(tǒng)第三方平臺能夠有效解決不可信第三方平臺造成的隱私泄露問題。通過對多個真實數(shù)據(jù)集進(jìn)行大量實驗和對比分析，證明了提出的T-LGEB具有極高的隱私保護(hù)能力和數(shù)據(jù)可用性，并且所造成的資源消耗也相對較低。
圖1軌跡位置隱私保護(hù)系統(tǒng)體系結(jié)構(gòu)
此外，該團隊創(chuàng)新的提出了一種基于在線分配模型的在線雙邊分配（OBA）問題。并提出了一種雙邊在線優(yōu)先級重新分配算法（BOPR），如圖2所示。BOPR算法通過雙邊分配實現(xiàn)實時任務(wù)/工人分配。為了保證匹配任務(wù)的數(shù)量，在BOPR算法中設(shè)計了一個優(yōu)先級隊列?？紤]工人和任務(wù)的等待時間期限和優(yōu)先級排序以及錯誤率情況，避免工人和任務(wù)等待時間過長，盡可能分配每個任務(wù)。在此基礎(chǔ)上，針對不成功的任務(wù)設(shè)計了兩階段分配策略，最大限度地降低任務(wù)的錯誤率，顯著提高任務(wù)分配的效率。最后，通過對真實數(shù)據(jù)集的實驗，評估了算法在全局效用值和匹配數(shù)方面的性能。
圖2雙邊在線優(yōu)先級重新分配方法（BOPR）
