孫洪山 陸雪 徐嶸 程孝泗 吳佩敏

摘 要：隨著移動設(shè)備的普及，群智感知真值發(fā)現(xiàn)應(yīng)用蓬勃發(fā)展，同時也使得數(shù)據(jù)隱私問題日益突出。然而，現(xiàn)有的隱私保護(hù)群智感知真值發(fā)現(xiàn)機(jī)制都需要較大的計(jì)算開銷和通信開銷。因此提出一種采用對稱加密算法的隱私保護(hù)群智感知真值發(fā)現(xiàn)方法，能夠很好地保護(hù)隱私，同時開銷較低，能夠滿足實(shí)際應(yīng)用需求。

關(guān)鍵詞：群智感知系統(tǒng)；真值發(fā)現(xiàn)；隱私保護(hù)；高效

中圖分類號：TP39；TN79 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2018）07-00-02

0 引 言

隨著科技的發(fā)展，傳感器的應(yīng)用越來越普遍，這使得通過匯聚傳感器的感知數(shù)據(jù)挖掘真實(shí)信息變成可能，群智感知真值發(fā)現(xiàn)系統(tǒng)由此誕生。由于傳感器質(zhì)量的差異及周邊噪音的不同，用戶上傳的感知數(shù)據(jù)與真值之間存在差別，因此需通過一定的算法得到真值。群智感知真值發(fā)現(xiàn)機(jī)制是利用移動設(shè)備所攜帶的傳感器收集所處環(huán)境的感知數(shù)據(jù)，并將這些數(shù)據(jù)上傳到云服務(wù)器，再由云服務(wù)器進(jìn)行相關(guān)計(jì)算。由于移動設(shè)備的感知數(shù)據(jù)可能涉及用戶隱私，因此用戶并不希望上傳自己的真實(shí)數(shù)據(jù)。為解決該矛盾，保護(hù)隱私的群智感知系統(tǒng)應(yīng)運(yùn)而生，該系統(tǒng)可在保護(hù)用戶隱私的前提下發(fā)現(xiàn)真值。首個保護(hù)隱私的群智感知系統(tǒng)是由Miao 等人[1]設(shè)計(jì)的PPTD協(xié)議，但該協(xié)議采用了復(fù)雜的公鑰加密算法[2]，使得系統(tǒng)開銷較大。

為解決現(xiàn)有隱私保護(hù)群智感知真值發(fā)現(xiàn)系統(tǒng)效率較低的問題，本文基于文獻(xiàn)[3]，采用對稱加密算法提出了一種高效的隱私保護(hù)群智感知真值發(fā)現(xiàn)方法。實(shí)驗(yàn)結(jié)果表明，該方法比PPTD具有更高的計(jì)算效率和更低的通信開銷。

1 問題描述

系統(tǒng)包含三個實(shí)體，即云服務(wù)器、用戶及可信第三方。其中，用戶是感知數(shù)據(jù)的擁有者，使用自己的移動設(shè)備執(zhí)行感知任務(wù)；云服務(wù)器是收集用戶數(shù)據(jù)并執(zhí)行真值發(fā)現(xiàn)算法的平臺；可信第三方是為所有參與方提供私鑰的機(jī)構(gòu)。此外，對象表示由云服務(wù)器分配的實(shí)體或問題，而觀察值表示由用戶提供的感知數(shù)據(jù)。

在該群智感知系統(tǒng)中，安全威脅來自云服務(wù)器和用戶。例如，云服務(wù)器可能會嘗試推斷每個用戶的觀察值。另一方面，每個用戶也可能嘗試推斷其他用戶的觀察值。因此，保護(hù)用戶觀察值的隱私至關(guān)重要。

假設(shè)系統(tǒng)有K個用戶，一個云服務(wù)器和可信第三方TA，TA為每個用戶Uk生成Kc份任意不同的秘密值s1，…，sKc。Sk表示用戶Uk隨機(jī)得到的一組秘密值，dk表示其觀測值xk和初始化真值x*的距離，pk表示TA為每個用戶生成的私鑰，p0表示TA給云服務(wù)器的私鑰，wk表示用戶Uk的權(quán)重。真值發(fā)現(xiàn)算法的目標(biāo)是讓云服務(wù)器準(zhǔn)確地計(jì)算真值x*。這個過程中，每個用戶的觀察值（如xk）不向任何一方公開。此外，私鑰信息pk和權(quán)重信息wk也不應(yīng)向系統(tǒng)中的任何一方透露。

2 算法構(gòu)造

2.1 算法基本流程

在真值發(fā)現(xiàn)算法中，每個用戶都有一個權(quán)重，所以算法流程包括權(quán)重更新過程和真值更新過程。本文采用文獻(xiàn)[4]的權(quán)重計(jì)算公式，即：

真值發(fā)現(xiàn)算法的一般過程可用真值發(fā)現(xiàn)算法描述。該算法的輸入是一個隨機(jī)給定的初始化真值，不斷更新用戶權(quán)重和估計(jì)真值，直到滿足所設(shè)定的收斂準(zhǔn)則。例如，設(shè)定收斂準(zhǔn)則為兩個連續(xù)迭代中估計(jì)的基本真值變化范圍在1%以內(nèi)或重復(fù)次數(shù)超過1 000次。

真值發(fā)現(xiàn)算法：

輸入：K個用戶的觀測值{xk}Kk=1。

輸出：真值x*。

（1）生成隨機(jī)初始化真值；

（2）基于初始化真值，對每一個用戶Uk根據(jù)式（1）進(jìn)行權(quán)重更新；

（3）基于當(dāng)前的權(quán)重，云服務(wù)器根據(jù)式（2）進(jìn)行真值更新；

（4）重復(fù)步驟（2）和（3），直到滿足所設(shè)定的收斂準(zhǔn)則；

（5）返回得到的真值x*。

2.2 高效的隱私保護(hù)真值發(fā)現(xiàn)算法

算法中常用系統(tǒng)參數(shù)的含義見表1所列：

首先可信第三方TA產(chǎn)生Kc份隨機(jī)且不同的秘密值s1，…，sKc。TA將這些秘密值分成K份隨機(jī)且不相交的子集，每個子集有c個秘密值。用S代表所有秘密值的集合，Sk代表第k個秘密值子集。顯然，。TA將Sk發(fā)送給用戶Uk，將S發(fā)送給云服務(wù)器。最后，云服務(wù)器和每個用戶按照下列方法生成自己的私鑰：云服務(wù)器計(jì)算，用戶Uk計(jì)算。

由于云服務(wù)器并不知道用戶和這些子集之間的映射關(guān)系，因此不知道任何用戶的加密密鑰，同時沒有用戶知道所有的數(shù)，所以云服務(wù)器的解密密鑰也相對安全。

令m表示所要加密的信息，p是一個密鑰，則本文的加密方式為：c=（m+p）mod N。

在權(quán)重更新階段，首先每個用戶Uk計(jì)算其觀測值與上一輪真值（初始情況下是云服務(wù)器發(fā)送的隨機(jī)真值）的距離，并用其加密密鑰pk根據(jù)上述加密方式將數(shù)據(jù)加密，并把密文Ck傳送給云服務(wù)器。當(dāng)收到數(shù)據(jù)后，云服務(wù)器利用私鑰p0解密求得所有用戶距離之和：

下式表明，所以云服務(wù)器解密成功。

在真值更新階段，云服務(wù)器首先將上述過程得到的值發(fā)給每個用戶。用戶分別計(jì)算其權(quán)重以及權(quán)重與觀測值的乘積，再用上述方法將兩值分別加密上傳給云服務(wù)器。同樣地，云服務(wù)器解密得到所有用戶權(quán)重之和，以及用戶權(quán)重和觀測值乘積的總和，云服務(wù)器通過計(jì)算得到新的真值。

重復(fù)上述兩階段，直到滿足收斂準(zhǔn)則為止，最后云服務(wù)器輸出真值。

3 效率分析

3.1 計(jì)算開銷

在華碩A455L I5-5200U型號4 GB內(nèi)存系統(tǒng)和CodeBlocks編譯環(huán)境下，使用C++語言編寫兩種算法程序，并進(jìn)行運(yùn)行時間比較。在同樣128 bit的安全參數(shù)下，對于PPTD算法，取大素?cái)?shù)p=15 900 608 684 421 836 191和q=17 374 055 105 574 471 319，g=17 180 200 816 613 291 879，r=46 043 008 582 553 496 776 380 884 709 008 233 070，舍入?yún)?shù)L=107。對于秘密分片算法，將MD5作為哈希函數(shù)控制輸入字符串的長度，rand（）作為偽隨機(jī)函數(shù)，產(chǎn)生安全私鑰。

此外，隨機(jī)函數(shù)rand（）產(chǎn)生每個用戶的觀測值，并且假設(shè)用戶傳送的數(shù)據(jù)都是連續(xù)型整數(shù)。當(dāng)連續(xù)兩次真值更新的結(jié)果收斂程度在1%以內(nèi)，即可認(rèn)為該值為真值。

圖1所示為使用time（）函數(shù)得到的兩種算法的運(yùn)行時間比較。結(jié)果顯示，本算法比PPTD具有更高的時間效率。

3.2 通信開銷

假設(shè)每傳送一份數(shù)據(jù)就是一個數(shù)據(jù)包，每份數(shù)據(jù)的大小都為1 k，則兩個算法的具體通信開銷如圖2所示。結(jié)果表明，與PPTD協(xié)議相比，本算法具有較少的通信開銷。

4 結(jié) 語

本文采用對稱密碼技術(shù)設(shè)計(jì)了一種高效的保護(hù)用戶隱私的真值發(fā)現(xiàn)算法。該算法與已有算法相比，具有更少的計(jì)算開銷和通信開銷，更適用于群智感知真值發(fā)現(xiàn)系統(tǒng)。

參考文獻(xiàn)

[1] MIAO C，JIANG W，SU L，et al. Cloud-Enabled privacy-preserving truth discovery in crowd sensing systems[C]//Proceedings of the 13th ACM Conference on Embedded Networked Sensor Systems. 2015：183-196.

[2] RONALD C，DAMGARD I，NIELSEN J B. Multiparty computation from threshold homomorphic encryption[C]//Proceedings of the International Conference on the Theory and Applications of Cryptographic Techniques（EUROCRYPT），2001：280-300.

[3] LI Q，CAO G. Efficient and privacy-preserving data aggregation in Mobile Sensing[C]// Proceedings of the 20th IEEE International Conference on Network Protocols（ICNP）2012：1-10.

[4] LI Q，LI Y，GAO J，et al. Resolving conicts in heterogeneous data by truth discovery and source reliability estimation[C]// Proceedings of the 2014 ACM SIGMOD International Conference on Management of Data（SIGMOD），2014：1187-1198.

[5]黃海輝，汪翔.無線體域網(wǎng)數(shù)據(jù)傳輸安全策略研究[J].物聯(lián)網(wǎng)技術(shù)，2016，6（2）：37-39.

[6]王卓偉.基于關(guān)聯(lián)規(guī)則混合算法并行化的隱私保護(hù)方法研究[J].物聯(lián)網(wǎng)技術(shù)，2016，6（7）：97-98.

[7]譚磊.面向雙向隱私保護(hù)的群智感知技術(shù)研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2017.

[8]陳朋飛.移動群智感知中基于弱安全網(wǎng)絡(luò)編碼的隱私保護(hù)機(jī)制[D].蘇州：蘇州大學(xué)，2016.