双隐私保护算法在空间众包

文摘

众包分配空间位置相关任务的一组工人(人配备智能设备和愿意完成的任务),完成任务根据他们的工作范围。因为空间众包通常需要工人的位置信息是众包上传到服务器,这不可避免地导致隐私披露的工人。与此同时,很难有效地在太空中众包分配任务。因此,为了提高任务分配效率的空间众包的大任务数量和提高工人的隐私保护程度,本文提出了一种新的算法,可以提高任务分配的效率通过令人不安的工人和任务请求者的位置k匿名。实验表明,该算法能有效提高任务分配的效率,减少任务等待时间,提高工人的隐私和任务位置,提高空间效率的众包服务当面对大量的任务。

1。介绍

随着各种移动设备使用的不断增加,数据收集和共享的智能手机已经呈指数级增长。利用大量的潜在用户的移动性,一种有效的、可伸缩的新的数据收集机制出现,即空间众包(SC)。SC环保意识领域的广泛应用,智能城市,新闻,和危机应对,比如gMission [1),迪迪chuxing [2),和百度外卖(3]。空间众包通常由三部分组成:任务请求者,众包平台,和工人(4]。图1显示一般空间众包的工作流。这三个组件的功能如下任务请求者发布时空任务分配给工人的众包平台,和这些任务包含任务的位置信息请求者和最后期限完成任务。工人也会把他们的时间和空间信息的众包平台,如位置信息和工作范围。根据特定的应用程序,工人可以被指定任务或选择自己的任务。众包平台连接任务发布者和工人。其核心功能包括任务分配、保护员工的隐私和任务发布者,设置员工的激励机制,并总结结果提交的工人。

任务请求者和工人通常由SC众包服务器上注册,在党与党之间充当中介经常扮演一个角色在将任务分配给工人。请求分配一个或多个任务到服务器,然后服务器分配任务的工人,我们称之为任务分配。

工人有权决定是否将完成的任务。根据齐米和Shahabi的分类5),SC分为两个完全不同的SC类型,即worker-selected任务(WST)模式和sever-assigned任务(坐)模式。在WST模式下,SC网络服务器发布空间任务,和工人可以任意选择任务没有向服务器发送他们的特定位置附近。在这种模式下,工人不显示它的位置到SC服务器。然而,很难获得最优的任务分配策略没有工人全球体系的观点。相比之下,在SAT模式下,SC服务器定位任务分配到最近的工人根据职工的具体位置,所以我们觉得有必要向服务器发送工人的环境和位置。此外,尽管它很容易实现最优任务分配方案,这是不可避免的私人信息暴露在SC服务器。假设有合理但可怕的情况。为了得到一个好的回报,SC服务器可能与其他代理交换个人隐私。这些机构可以充分利用信息对员工采取不利行动,比如个人监控、身份盗窃和暴露敏感信息。因此,SC服务器不应该完全信任在某种程度上。 Corresponding measures must be taken to protect the privacy of employees, and a large number of employees are willing to participate in the crowdsourcing system eventually.

在本文中,应用程序可以被视为一个空间众包平台,把迪迪chuxing为例。任务发布者(乘客)和劳动者(出租车)把他们的打扰SC服务器位置。服务器计算它们之间的距离,后被分配的任务。当任务成功,出租车的乘客位置来完成这个任务。在这个过程中,众包服务器获得的位置信息的干扰,而攻击者不能获得出租车和乘客的详细位置信息,以保护出租车和乘客的位置信息。

2。相关工作

2.1。隐私保护

移动网络的发展,产生了大量的数据,其中包含许多用户的私人数据,如用户的位置信息和用户的兴趣偏好。当用户使用更多的服务,他们也越来越关注自己的隐私保护。在空间众包,因为任务发布者和工人需要发送他们自己的位置到SC服务器,基于位置服务的隐私问题在文献中一直得到广泛的研究。

城等人设计了一些干扰位置没有披露每个工人的确切位置,然后他们把打包的,不真实的位置服务提供者。为了提供基于位置的匿名服务,前任算法提出了一种新的基于时空的保护。提出了在文献[6),k匿名是关心的问题,不能区别于其他用户的位置k用户。此外,一个可信的第三方位置介绍了网管k时间的技术,它允许的位置是一个隐藏的空间区域模糊。的工作(7)进一步改善了他们提出的安全模型,并开发了一种新的p2p匿名机制。由于应用场景的复杂性在SC,位置隐私上面的解决方案并不适用于SC。

在最近的工作中,微分隐私被广泛用于保护工人的位置隐私(8,它只保护工人的位置隐私,但显示任务请求者的位置。在陈的工作等。9),工人的前提必须事先知道的确切位置请求者仍然存在,然后同态加密是用来保护工人的位置隐私。陈等人构成隐私威胁的方法,因为没有请求者和工人之间的信任。

2.2。空间众包

“众包”的概念已经被商界认真对待,因为它变成了一个标准的术语,但SC只有近年来吸引了注意力。之前讨论隐私保护重点位置隐私在基于位置的服务,而精确的位置被遮蔽(9]或聚合。然而,他们不能直接应用于SC。

大量的研究工作提出了SC的位置隐私问题。在工作8]介绍了任务分配的分析模型,探讨了基本隐私之间的权衡,效用,开销和使用微分隐私清洁工人的职位。在陈的工作等。9基于地理位置隐私保护工人和微分隐私。该方法在锣等。7)利用移动用户之间的社会联系结构激励他们参与假名变化。也利用了社会群体效用最大化框架,它允许用户位置隐私保护与他们特定的个性化匿名设置。如果没有隐私保护方案采用空间众包来保护员工的隐私信息,员工的隐私泄露。然而,如果工人不需要提交位置信息,这将导致增加错误率和垃圾邮件发送者的数量,从而影响空间众包的质量。工作的曾庆红et al。10提出了一种空间众包质量控制模型,在其中k时间算法用于保护的位置隐私空间众包工人,极端学习机算法用于检测垃圾邮件发送者,并期望最大化算法被用来估计错误率,从而保护员工的隐私而不影响空间众包的质量。然而,这个方法只考虑工人的隐私保护,不是任务的隐私保护出版商。

空间众包主要由三部分组成:SC服务器,工人,和任务请求者。首先,工人和任务请求者在服务器上注册。然后任务发布者发布任务到服务器,分配任务根据工人的位置和工作范围。空间众包服务的主要优势是,工人可以认为是在一定程度上受信任的第三方。现有的研究有两个主要缺点。首先,一些研究只关注工人的位置隐私保护(11),但任务是打开的位置。攻击者可以确定用户的位置的位置的任务,从而获得用户的位置隐私。其次,现有的空间众包隐私保护方案通常假定服务器是可靠的,但是很难找到一个完全可信的服务器。

为了解决上述两个问题,等。8]假定服务器是不可信的,打扰工人的职位和任务请求者的同时,通过计算和分配任务到最近的工人工人之间的距离和任务干扰后发送者。任务的方法可以实现最低披露位置和保密工作的位置并完成任务时根据优先级任务请求者相对密集。这个方法时首选任务发布者是高度密集。低级任务将等待更长的时间。

2.3。位置K匿名在空间众包

在SC,工人的位置属性是quasi-identifier。如图2的位置,在一个匿名的空间区域,任何工人的位置不能区分开来K至少1工人。pseudoidentifier是最小的属性,它结合了其他外部信息和更高的概率确定目标的位置。如图,真正的空间克劳德的位置l,然后点位置l被扩展到隐藏的区域R,取代工人的准确的位置信息。在这种匿名的空间区域,每个职工至少藏在K1工人。这意味着任何攻击者只能确定工人的数量在隐藏的区域,但不是他们的确切位置。这种方法给员工一定程度的隐私保护。

在本文中,我们介绍一个方法在太空任务请求者众包的高密度,双重隐私保护(民进党)。这种方法可以减少乘客的等待时间(任务请求者)通过设置阈值,同时保护出租车(工人)的位置信息K匿名。

3所示。系统模型

民进党算法主要用于领域任务请求者更密集分布。在本文中,我们将密集区域分为两种情况。如图3在稠密、任务l1区可以分配给两个出租车,密集的任务l2区可以分配给三个出租车。

SC服务的通用系统模型由三部分组成:工人,任务发布者和SC服务器。工人和任务发布者发送位置信息到SC服务器,这将任务发送到合适的工人。

模型我们建议由四部分组成:出租车(工人),乘客(任务发布者),SC服务器和任务分配器,如图4。乘客SC服务器提交任务,分配任务到最近的出租车。在整个过程中,出租车的特定位置和任务请求者不披露到服务器。因为服务器可能揭示乘客和出租车的位置。

任务请求者发布任务时,任务请求者合作与周围k1用户形成一个k时间区组成的k用户,然后任务发布者发送干扰区SC服务器的位置(步骤1)。与此同时,出租车也将干扰位置信息发送到SC服务器(步骤2)。SC服务器计算欧几里得度量出租车和乘客的位置之间的干扰后,确定是否在工作范围内乘客的出租车,并使用所有的出租车有能力完成任务的出租车(步骤3)候选人,候选人出租车和乘客那么精确的位置信息发送到SC服务器,它计算候选出租车和乘客之间的欧氏距离,最后决定了出租车,可以完成任务(步骤4)。SC服务器分销商将任务发送到任务,任务的分配基于出租车阈值和出租车K匿名算法。

我们假设出租车处理任务持续的时间,时间远远长于任务分配时间。每个任务的处理时间设置 。当有n要处理的任务,如果任务被分配给出租车根据任务的优先级,优先级最低的任务需要等待的时间 。在民进党算法,减少了等待时间,设计一个阈值对于每一个出租车。当任务在一个出租车的数量达到一个阈值时,后续的任务被分配到附近的出租车,直到达到阈值。最低优先级的任务等待时间的民进党算法 。民进党的具体算法算法所示1参数含义在上面的伪代码如表所示1。

使用扰动算法同时打扰出租车和乘客的位置,计算欧氏距离出租车和乘客之间的干扰后,和确定客运出租车的工作范围内,服务器是候选人出租车的任务,将任务分配给出租车最高的水平。出租车乘客释放特定的位置,计算之间的欧几里得距离乘客和出租车的实际位置,并确定距离是否小于出租车的工作半径。如果欧几里得距离大于工作半径,W更新,如果小于工作半径,任务分配给出租车。它是否计算的数字米等待任务等待出租车小于阈值 ,任务被分配给出租车,如果没有,返回的是5,任务被分配给出租车的低水平。

为了保护出租车的位置隐私SC服务器发送出租车的位置时,我们使用K匿名算法把多个出租车SC服务器的位置在同一时间,使攻击者无法获得出租车被接受的特定位置。

4所示。实验结果

我们做了个实验T数据集传动减速器。这个数据集包含超过9019辆出租车,成千上万的乘客。我们的实验进行python。我们司机SC工人和乘客SC请求者。我们选择典型值的范围 ,r,如下,我们假定请求者和工人们一样的隐私级别( ,r), 和r 在米,从严格到松散的隐私需求。我们设置了可及的距离每个工人在米一个随机值, 。我们组任务的数量到100和150年,和出租车的数量,可以达成的任务2和3,分别。如果任务的处理时间是恒定的 ,和所需的时间远远长于任务分配,任务加工前处理。所需的等待时间是等待任务的数量的产品和个人任务处理时间。我们比较了不同阈值对延迟的影响当出租车的数量是不同的,100年和150年的任务数,分别。结果如图5和6。

从图可以看出,设置不同的阈值可以减少等待时间。在达到一定阈值之前,等待时间是线性减少随着阈值的增加。阈值超过一定限度时,等待时间将增加线性随着阈值的增加。我们称之为边界最优阈值米。比较的数据3和4,我们可以看到最优阈值是影响任务的数量和出租车的数量可以达到的任务。最优阈值通常是 。

Gedik算法是一种算法,分配任务的优先级。计算时间由两部分组成:SC服务器之间的欧氏距离计算任务请求者和工人的位置扰动后,决定是否请求者的任务范围内工人的工作,和所需的时间,所有的工人谁能完成任务候选人,以及任务分配器匹配时间的任务请求者精确定位工人分配任务。我们比较了计算时间由民进党算法提出了与Gedik,如图7。从图可以看出,计算时间的增加而增加出租车的数量。民进党算法需要更多的时间,这是因为民进党匿名化算法出租车的位置K而Gedik在发送出租车的位置,从而带来更多的计算整个系统的时间。

5。结论

本文提出了一种新的算法。出租车的算法可以设置阈值,并将随后的任务分配给其他出租车时要处理的任务由一个出租车到达阈值,从而减少了任务等待时间、提高整个SC服务系统的效率。与此同时,K匿名算法是用来保护出租车的位置隐私当出租车向SC服务器发送它的位置。我们已经实验验证,这种方法可以减少等待时间,提高系统效率,保护出租车隐私。

数据可用性

t驾驶系统数据库可以在以下网站:https://www.microsoft.com/en-us/research/publication/t-drive-driving-directions-based-on-taxi-trajectories/。

的利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. 江l . n, l·陈,陈z,“知识库通过事实和众包数据,增强”学报2018年IEEE第34数据工程国际会议(ICDE)2018年4月,巴黎,法国,。视图:谷歌学术搜索
2. k .张、刘z和l .郑”乘客需求的短期预测分域级别:时间卷积神经网络与多任务学习,”IEEE智能交通系统,21卷,不。4、1480 - 1490年,2020页。视图:出版商的网站|谷歌学术搜索
3. x l . Liu和d d .太阳”,研究在线ta的影响基于百度指数在大学食堂管理,”学报》2016年第四届Ieee国际云计算与智能系统会议(2016年Ieee CCIS),第185 - 182页,北京,中国,2016年8月。视图:谷歌学术搜索
4. y y, z,曾庆红,l . Chen和c . Shahabi”空间众包:一项调查,”VLDB日报卷,29号1,第250 - 217页,2019。视图:出版商的网站|谷歌学术搜索
5. 问:刘,f, g . Wang s .杨和j .吴“保护隐私与概率加权社会网络的不可分辨性,”IEEE并行和分布式系统,28卷,不。5,1417 - 1429年,2017页。视图:出版商的网站|谷歌学术搜索
6. s, g·王,李问:“双重隐私保护方案在连续的定位服务,”《2017年IEEE Trustcom / BigDataSE /冰2017年8月,悉尼,澳大利亚,。视图:谷歌学术搜索
7. 陈x, x, k, D。,H. Shin, M. Zhang, and J. Zhang, “Personalized location privacy in mobile networks: a social group utility approach,” in学报2015年IEEE计算机通讯大会上香港九龙,2015年4月。视图:谷歌学术搜索
8. h, c . Shahabi l .熊,“保护隐私的在线任务分配与不受信任的服务器空间众包,”《IEEE第34数据工程国际会议2018年4月,巴黎,法国,。视图:谷歌学术搜索
9. k . j . Chen,他问:元,m . Chen r·杜和y,“盲目的在第三方过滤:一个有效的保护隐私框架,基于位置的服务,”诉讼的IEEE移动计算2018年6月,皮斯卡塔韦,新泽西,美国。视图:谷歌学术搜索
10. 乔丹。曾,ZL。黄Cheng x、b .郑”空间众包质量控制模型基于K-anonymity位置隐私保护和榆树垃圾信息散布者发现,“移动信息系统卷,2019篇文章ID 2723686, 10页,2019。视图:出版商的网站|谷歌学术搜索
11. h . g . Ghinita, l .风扇,c . Shahabi”不同私人位置保护职工在空间数据集众包,”诉讼的IEEE移动计算2016年6月,皮斯卡塔韦,新泽西,美国。视图:谷歌学术搜索

版权

版权©2020王Shengxiang et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。