龍 浩,張書奎,張 力

(1.蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 蘇州 215006;2.徐州工業(yè)職業(yè)技術(shù)學(xué)院 信息與電氣工程學(xué)院,江蘇 徐州 221002;3.江蘇省現(xiàn)代企業(yè)信息化應(yīng)用支撐軟件工程技術(shù)研發(fā)中心,江蘇 蘇州 215104)

0 概述

在信息化時(shí)代,隨著智能手機(jī)的普及,移動(dòng)群智感知應(yīng)用得到迅速發(fā)展。移動(dòng)用戶通過攜帶移動(dòng)終端設(shè)備能夠在不同的位置監(jiān)測(cè)到復(fù)雜的數(shù)據(jù)信息,比如噪音、天氣、大氣、交通。目前,研究人員已開發(fā)了大量移動(dòng)感知應(yīng)用,如環(huán)境檢測(cè)、交通監(jiān)測(cè)、噪音監(jiān)測(cè)等[1-2]。然而,在大多數(shù)情況下,感知任務(wù)需要參與者在不同位置獲得感知數(shù)據(jù),參與者的位置信息很容易被暴露。由于隱私保護(hù)問題會(huì)影響用戶參與感知任務(wù)的積極性,因此保護(hù)參與者的位置隱私信息是群智感知應(yīng)用研究的重要內(nèi)容。

現(xiàn)有隱私保護(hù)方法利用多匿名機(jī)制來隱藏用戶的身份信息[3],然而惡意用戶通過獲得大量時(shí)空相關(guān)信息仍能夠推測(cè)出用戶的真實(shí)信息。文獻(xiàn)[4]通過將隨機(jī)噪音加入?yún)⑴c者位置信息中,使得惡意用戶很難分辨出參與者的真實(shí)位置信息,然而加擾的位置信息在恢復(fù)過程中容易出現(xiàn)失真情況。文獻(xiàn)[5]通過建立多匿名混沌區(qū)域來保護(hù)參與者的身份和位置信息,基于多個(gè)參與者組成混沌區(qū)域,然而該方法并沒有考慮到混沌區(qū)域用戶之間的協(xié)作問題,因此感知數(shù)據(jù)的傳輸效率受到較大影響。如何建立有效的混沌區(qū)域保障用戶隱私,并在混沌區(qū)域?qū)崿F(xiàn)數(shù)據(jù)的有效傳輸是本文研究的主要內(nèi)容。因此,本文在移動(dòng)群智感知網(wǎng)絡(luò)中提出基于維諾單元的隱私保護(hù)方法(PP-Voronoi),參與者建立維諾單元,然后通過單跳或者多跳的方式廣播需求,聯(lián)合其他用戶建立混沌區(qū)域,并利用混沌區(qū)域的參與者代表與感知平臺(tái)進(jìn)行數(shù)據(jù)交互,從而實(shí)現(xiàn)參與者的隱私保護(hù)。

1 相關(guān)工作

隱私保護(hù)是目前群智感知研究的重要內(nèi)容,參與者在完成感知任務(wù)時(shí)會(huì)面臨隱私泄露的風(fēng)險(xiǎn),由于考慮到隱私成本影響其參與感知任務(wù)的積極性,因此現(xiàn)有提出的隱私保護(hù)方法主要分為加密、匿名、感知位置隱藏和建立混沌區(qū)域4類方法。文獻(xiàn)[6-7]提出盲簽名和部分盲簽加密數(shù)據(jù)的隱私保護(hù)激勵(lì)機(jī)制,但是算法計(jì)算量均較大。文獻(xiàn)[8]采用TLC加密和匿名方法在參與者上傳競(jìng)標(biāo)與感知數(shù)據(jù)以及更新聲譽(yù)值3個(gè)階段進(jìn)行隱私保護(hù)。文獻(xiàn)[9]對(duì)參與者敏感屬性進(jìn)行隱私保護(hù),根據(jù)敏感程度設(shè)計(jì)不同的敏感等級(jí),實(shí)現(xiàn)個(gè)性化的隱私保護(hù),然而惡意用戶仍能根據(jù)參與者上傳的感知數(shù)據(jù)推斷出參與者的位置信息。文獻(xiàn)[10]針對(duì)位置數(shù)據(jù)發(fā)布應(yīng)用提出一種差異隱私保護(hù)算法,通過隱私位置聚類收縮來隱藏參與者的真實(shí)位置和訪問某個(gè)位置的頻率,該算法主要針對(duì)稀疏位置數(shù)據(jù)集,但由于其采用聚類方式,因此時(shí)間復(fù)雜度較高。文獻(xiàn)[11-12]通過空間區(qū)域的時(shí)延特點(diǎn)為用戶增加虛擬位置和用戶信息。然而,這些方法在計(jì)算用戶感知數(shù)據(jù)時(shí)容易出現(xiàn)信息誤差,為加強(qiáng)參與者身份和位置信息的隱私保護(hù),構(gòu)建不同位置和大小的混合區(qū)域,引入多用戶k-匿名算法來保護(hù)參與者身份和位置信息。文獻(xiàn)[13]針對(duì)感知參與者較少場(chǎng)景中暴露用戶位置隱私的問題，提出多匿名多方服務(wù)器協(xié)作驗(yàn)證方法來保護(hù)用戶的位置隱私。然而,該方法沒有考慮混沌區(qū)域內(nèi)用戶之間位置信息的隱藏,另外其中混沌區(qū)域內(nèi)用戶數(shù)據(jù)采用CP-ABE加密的方式,增加了計(jì)算復(fù)雜度。

為建立有效的混沌區(qū)域并實(shí)現(xiàn)混沌區(qū)域用戶有效的協(xié)作和數(shù)據(jù)傳輸,用戶先根據(jù)感知任務(wù)建立維諾單元,再通過廣播方式單跳或者多跳聯(lián)合其他用戶建立混沌區(qū)域,并為每一個(gè)混沌區(qū)域選擇一個(gè)代表,實(shí)現(xiàn)其與感知平臺(tái)的信息交互。

2 隱私保護(hù)方法的構(gòu)建

在群智感知網(wǎng)絡(luò)中,任務(wù)發(fā)布者通過感知平臺(tái)發(fā)布感知任務(wù),希望能找到距離感知任務(wù)節(jié)點(diǎn)盡可能近的移動(dòng)用戶來完成感知任務(wù)。在傳統(tǒng)方法中,是參與者將位置發(fā)送給平臺(tái),平臺(tái)根據(jù)參與者位置和感知節(jié)點(diǎn)位置的匹配度來分發(fā)任務(wù)給參與者,另外,參與者上傳的感知數(shù)據(jù)也具有感知節(jié)點(diǎn)的位置信息。因此,該過程存在隱私泄露的問題,使得參與者不愿意將自己的隱私位置發(fā)送給平臺(tái),即使參與者隱藏自己的位置,由于參與者的移動(dòng)或者在稀疏的網(wǎng)絡(luò)環(huán)境中,平臺(tái)也很容易推斷出參與者的位置。為解決隱私泄露問題,本文提出一種基于維諾單元的隱私保護(hù)方法。

2.1 維諾單元的建立

為保護(hù)參與者的隱私,參與者通過建立維諾單元來隱藏自身的位置。維諾單元是計(jì)算幾何中一種幾何結(jié)構(gòu),也是一種空間分割方法。二維平面上的維諾圖中的多邊形通常被稱為維諾單元。在幾何空間中,維諾單元代表了各個(gè)節(jié)點(diǎn)相應(yīng)的空間描述或作用范圍。維諾單元的建立如圖1所示。

圖1 維諾單元的建立示意圖

定義1假設(shè)參與者集合S={s1,s2,…,sn},N>3是歐幾里德平面R上的一個(gè)點(diǎn)集,并且這些點(diǎn)不共線,任意4點(diǎn)不共圓,用d(vi,vj)表示vi和vj之間的歐幾里德距離,E(P,S)表示感知節(jié)點(diǎn)和參與者集合的環(huán)境,設(shè)?p∈E,則區(qū)域Vi={p∈R2|d(p,si)≤d(p,sj),i,j=1,2,…,n,i≠j}稱為si的維諾單元,各點(diǎn)的維諾單元共同組成維諾圖。

平面上的維諾圖可看作是將參與者集合S中的每個(gè)點(diǎn)作為生長核,以相同的速率向外擴(kuò)張,直到彼此相遇為止而在平面上形成的圖形。除了最外層的點(diǎn)形成的開放區(qū)域外,其余每個(gè)點(diǎn)都形成一個(gè)凸多邊形(維諾單元)。在維諾圖中,任意一個(gè)維諾單元中的任意一個(gè)內(nèi)點(diǎn)到該維諾單元控制點(diǎn)si的距離都小于該點(diǎn)到其他任何控制點(diǎn)sj的距離。在維諾圖中,維諾單元通常用于生成“領(lǐng)地”或控制區(qū)域,而且由于維諾圖中的每個(gè)控制點(diǎn)唯一被一個(gè)維諾單元包含,因此可以用維諾圖清晰地表達(dá)控制點(diǎn)之間的空間相鄰關(guān)系。結(jié)合人類日常行為習(xí)慣與社會(huì)活動(dòng)準(zhǔn)則來看,人們通常會(huì)選擇最短時(shí)間、最近距離、最低成本以及最優(yōu)路線來解決生活中遇到的問題,這就反映出人類所遵循的空間行為準(zhǔn)則。從這一層面來說,如果將維諾圖中的種子點(diǎn)理解為人類日常行為或活動(dòng)的出發(fā)點(diǎn)或目的地,那么維諾圖內(nèi)的各個(gè)維諾單元就反映了在一段時(shí)間內(nèi)其對(duì)應(yīng)行為活動(dòng)的空間參考或影響的范圍。

感知平臺(tái)將維諾單元中所有感知節(jié)點(diǎn)的任務(wù)轉(zhuǎn)發(fā)給對(duì)應(yīng)的參與者si,由于維諾單元中感知節(jié)點(diǎn)離si距離最近,因此參與者能更好地完成任務(wù),獲得高質(zhì)量的感知數(shù)據(jù)。然而,參與者基于隱私的考慮,不愿意將自己的位置發(fā)送給感知平臺(tái)。因此,本文需要解決的問題是如何保護(hù)每一位參與者的隱私,并且使感知平臺(tái)能夠?qū)⒕S諾單元中感知節(jié)點(diǎn)的任務(wù)分發(fā)給對(duì)應(yīng)的參與者。

2.2 混沌區(qū)域的建立

由于通過感知平臺(tái)來計(jì)算參與者的維諾單元存在很大程度的隱私泄露,因此參與者可以通過聯(lián)系他的鄰居來建立各自的維諾單元,然后每個(gè)參與者將建立好的維諾單元發(fā)送給感知平臺(tái)獲得對(duì)應(yīng)的感知節(jié)點(diǎn)任務(wù)。該方法從表面上看參與者并沒有將自己的隱私位置發(fā)送給平臺(tái),然而其感知平臺(tái)還是能夠通過足夠的信息推斷出參與者的位置,首先感知平臺(tái)能獲得參與者維諾單元的范圍,然后感知平臺(tái)獲得參與者提交的感知點(diǎn)數(shù)據(jù),通過兩個(gè)數(shù)據(jù)的匹配,感知平臺(tái)同樣能確定參與者的位置信息。因此,參與者僅依靠建立維諾單元還不能完全實(shí)現(xiàn)隱私保護(hù),為解決該問題,本文提出一種基于維諾單元的隱私保護(hù)算法,每個(gè)參與者可以通過聯(lián)系其他參與者共同建立混沌區(qū)域來保護(hù)各自隱私,參與者的隱私保護(hù)水平由參與者請(qǐng)求隱私保護(hù)值(K,Amin)決定,其中,K代表參與者建立混沌區(qū)域中至少包含K個(gè)參與者,Amin表示混沌區(qū)域的最小面積。算法具體步驟如下:1)每個(gè)參與者采用分布式方法建立自己的維諾單元Vi;2)相鄰參與者形成一個(gè)混沌區(qū)域C;3)為混沌區(qū)域選取一個(gè)參與者代表sr。

本文參考文獻(xiàn)[14]中的算法來建立參與者的維諾單元。算法主要分成兩步:首先尋找參與者的鄰居;其次通過參與者節(jié)點(diǎn)和鄰居節(jié)點(diǎn)幾何平分線的交點(diǎn)來計(jì)算維諾單元的邊界。參與者通過相互通知的方式來發(fā)現(xiàn)各自的維諾鄰居,當(dāng)參與者確認(rèn)了維諾鄰居后,通過與鄰居節(jié)點(diǎn)幾何平分線的交點(diǎn)來建立維諾單元,并計(jì)算維諾單元的面積Ai。

當(dāng)各參與者建立維諾單元后,為進(jìn)一步保護(hù)參與者隱私,相鄰參與者建立一個(gè)混沌區(qū)域。本文采用P2P SKA[15]方法來建立混沌區(qū)域,參與者si先通過單跳路由向其維諾鄰居廣播一個(gè)請(qǐng)求,尋找鄰居加入,如果沒有找到足夠的鄰居,將繼續(xù)通過多跳路由進(jìn)行尋找,直到找到K-1個(gè)鄰居。參與者si與鄰居采用匿名的方式進(jìn)行通信,如果鄰居收到請(qǐng)求后同意加入混沌區(qū)域,則將自己的匿名信息和維諾單元的面積Ai發(fā)送給si。由于尋找鄰居需要耗費(fèi)比較長的搜索時(shí)間,多次廣播請(qǐng)求也會(huì)耗費(fèi)網(wǎng)絡(luò)資源,因此為節(jié)省時(shí)間和網(wǎng)絡(luò)開銷,當(dāng)鄰居加入到混沌區(qū)域后,鄰居節(jié)點(diǎn)也可以廣播請(qǐng)求尋找自己的鄰居加入,并為每一個(gè)參與者建立緩存聯(lián)系清單,在廣播請(qǐng)求時(shí)優(yōu)先緩存清單的鄰居,找到新的鄰居后更新緩存清單。在群智感知網(wǎng)絡(luò)中,參與者為動(dòng)態(tài)移動(dòng),然而事實(shí)上,在很多情況下參與者的移動(dòng)在一段時(shí)間內(nèi)處于維諾單元范圍內(nèi)(比如家、公司),尤其是當(dāng)參與者想要接收維諾單元的感知任務(wù)時(shí),考慮到最壞情況下,即使混沌區(qū)域的參與者離開當(dāng)前位置,新的鄰居也可以動(dòng)態(tài)加入混沌區(qū)域。圖2中灰色區(qū)域?yàn)榻⒌幕煦鐓^(qū)域C={s8,s15,s16,s21,s25},其中K=5。具體混沌區(qū)域的建立過程見算法1。

圖2 混沌區(qū)域的建立示意圖

算法1建立混沌區(qū)域并計(jì)算混沌區(qū)域參與者代表的算法

輸入S={s1,s2,…,sn},K

輸出the setAof the chaotic region area,the representativesr

1.C←{φ};V←{φ};h←1;A←{φ}

//V represents the Voronoi diagram and Virepresents the

//Voronoi cell

//Step 1:The establishment of the Voronoi diagram

2.for i from 1 to n do

3.V←Viof si

4.end

//Step 2:The establishment of the cloaked region

5.A←A ∪ area(Vi)// Calculate the area of si

6.while |C|

7.Broadcast a request to the cached contact list of the neighbors within h hop(s) from si

8.C←C∪{sj}

9.A←A ∪ area(Vj)

10.h←h+1

11.end

12.return A

//Step 3:The calculation of the representative

13.for siin C do

14.Calculation the average distance difrom sito other users

15.D←D∪{di} //D represent the set of the participants’

//distances

16.end

17.Finding the user of the smallest average distance as the representative sr

18.return sr

2.3 混沌區(qū)域的數(shù)據(jù)收集及獎(jiǎng)勵(lì)與懲罰機(jī)制

混沌區(qū)域參與者完成感知任務(wù)后,需要將感知數(shù)據(jù)提交到平臺(tái)。為保護(hù)參與者的位置信息,本文將混沌區(qū)域參與者的感知數(shù)據(jù)匯總后,由混沌區(qū)域的代表進(jìn)行提交。參與者完成感知任務(wù)后,將感知數(shù)據(jù)封裝成數(shù)據(jù)包,其格式包括維諾單元的編號(hào)CID,獲取感知數(shù)據(jù)的時(shí)間Time、感知數(shù)據(jù)節(jié)點(diǎn)的編號(hào)NID和感知數(shù)據(jù)DATA,具體格式如圖3所示。參與者將數(shù)據(jù)包發(fā)送給混沌區(qū)域的代表sr,收到數(shù)據(jù)包后sr為每一個(gè)參與者計(jì)算其數(shù)據(jù)質(zhì)量(Quality of Data,QoD)評(píng)價(jià)值E(si),將E(si)和數(shù)據(jù)包匯總后形成一個(gè)新的數(shù)據(jù)包,并將新的數(shù)據(jù)包發(fā)送給感知平臺(tái)。新的數(shù)據(jù)包格式包括混沌區(qū)域編號(hào)RID和K個(gè)參與者的匯總數(shù)據(jù),具體數(shù)據(jù)包格式如圖4所示。

圖3 K個(gè)參與者的數(shù)據(jù)包

圖4 混沌區(qū)域感知數(shù)據(jù)包

感知平臺(tái)收到混沌區(qū)域發(fā)送過來的匯總數(shù)據(jù)后,首先計(jì)算每一個(gè)維諾單元區(qū)域的QoD評(píng)價(jià)值,然后將平臺(tái)計(jì)算的評(píng)價(jià)值和發(fā)送過來的評(píng)價(jià)值進(jìn)行比較,如果這兩個(gè)值不相等,則平臺(tái)將發(fā)送一個(gè)驗(yàn)證信息給混沌區(qū)域的代表sr,驗(yàn)證數(shù)據(jù)包是否出錯(cuò)或者存在丟失。由sr確認(rèn)后重新計(jì)算評(píng)價(jià)值發(fā)送給平臺(tái),平臺(tái)再次驗(yàn)證無誤后進(jìn)行最終的獎(jiǎng)勵(lì)和處罰。

在感知系統(tǒng)中,通過計(jì)算參與者提交感知QoD評(píng)價(jià)值來決定是否分發(fā)獎(jiǎng)勵(lì)給參與者。感知系統(tǒng)主要懲罰質(zhì)量評(píng)價(jià)值過低的參與者,如果參與者提交偽造數(shù)據(jù),當(dāng)QoD評(píng)價(jià)值低于閾值ε時(shí),參與者將不能獲得獎(jiǎng)勵(lì)。為鼓勵(lì)成員提高整體的感知QoD,混沌區(qū)域的K個(gè)成員關(guān)系被看作是一種協(xié)作的裙帶關(guān)系,系統(tǒng)為混沌區(qū)域設(shè)置一個(gè)整體感知QoD評(píng)價(jià)閾值α,整體QoD評(píng)價(jià)值E(K)決定了每個(gè)參與者聲譽(yù)值的更新。混沌區(qū)域的QoD評(píng)價(jià)值計(jì)算公式如下:

(1)

其中,ni代表平臺(tái)需求的樣本數(shù)據(jù),di代表參與者提交的感知數(shù)據(jù)。式(1)中通過平臺(tái)要求的樣本數(shù)據(jù)和混沌區(qū)域參與者提交的有效數(shù)據(jù)容量的差值與樣本數(shù)據(jù)比值的平方根來檢測(cè)參與者采集感知數(shù)據(jù)的失真程度,然后將量化值轉(zhuǎn)化為數(shù)據(jù)質(zhì)量評(píng)價(jià)值E(K)。

本文定義ri為當(dāng)前任務(wù)聲譽(yù)值,r′i為這次任務(wù)之前的聲譽(yù)值。為保證任務(wù)執(zhí)行的質(zhì)量,每個(gè)任務(wù)設(shè)置一個(gè)聲譽(yù)閾值rm。以混沌區(qū)域中的一個(gè)參與者為例,具體聲譽(yù)更新方法如下:

(2)

聲譽(yù)值更新方法將混沌區(qū)域看作一個(gè)團(tuán)隊(duì),如果團(tuán)隊(duì)某個(gè)成員提交了質(zhì)量低的感知數(shù)據(jù),使得整個(gè)團(tuán)隊(duì)數(shù)據(jù)質(zhì)量評(píng)價(jià)值小于閾值,則團(tuán)隊(duì)所有的成員聲譽(yù)值都將降低,因此為保證團(tuán)隊(duì)成員的利益,要求團(tuán)隊(duì)的每個(gè)參與者都能提交真實(shí)可靠的數(shù)據(jù)。另外,當(dāng)參與者聲譽(yù)值r′i

3 仿真與性能評(píng)價(jià)

本文首先對(duì)仿真實(shí)驗(yàn)的參數(shù)和實(shí)驗(yàn)方法進(jìn)行介紹說明,然后根據(jù)不同的用戶數(shù)量與隱私保護(hù)水平,對(duì)隱私保護(hù)成功率、平均響應(yīng)時(shí)間、平均通信量進(jìn)行比較與評(píng)價(jià)。隱私保護(hù)成功率是指在惡意用戶攻擊下能夠成功隱藏的用戶數(shù)量,本文采用文獻(xiàn)[17]中提出的惡意攻擊方法。平均通信量指感知任務(wù)過程中參與者之間信息交互的平均流量。平均響應(yīng)時(shí)間是指參與者建立混沌區(qū)域并與感知平臺(tái)進(jìn)行數(shù)據(jù)交互耗費(fèi)的總時(shí)間。平均通信量和平均響應(yīng)時(shí)間反映了隱私保護(hù)方法的效率。隱私保護(hù)水平在實(shí)驗(yàn)中主要是指混沌區(qū)域中包含的用戶數(shù)量。為評(píng)價(jià)PP-Voronoi方法的性能,本文選擇Coprivacy方法[18]和Privacy_l方法[19]進(jìn)行對(duì)比實(shí)驗(yàn)。Coprivacy方法通過用戶之間的協(xié)作形成匿名區(qū)域,匿名區(qū)域內(nèi)的用戶使用該組的密度中心代替真實(shí)位置交互數(shù)據(jù)。Privacy_l方法通過用戶協(xié)作博弈建立匿名區(qū)域,然后使用安全求和協(xié)議計(jì)算區(qū)域的錨點(diǎn)與感知平臺(tái)進(jìn)行數(shù)據(jù)交互。兩種方法在形式上與本文方法類似,因此具有較好的可比性。

3.1 仿真設(shè)置

為驗(yàn)證本文方法的性能,基于Dev-cpp 5.4 C++開發(fā)隱私保護(hù)仿真系統(tǒng)。實(shí)驗(yàn)軟硬件環(huán)境為:Windows 7,Intel(R) Core(TM) i5-3470 3.20 GHz的CPU,8 GB內(nèi)存。選用城市的真實(shí)數(shù)據(jù)集Milano,平均每千米的用戶數(shù)為7 382[20],擁有智能手機(jī)的用戶比例為40%。網(wǎng)絡(luò)用戶通信采用NS2進(jìn)行仿真,用戶之間的通信基于4G網(wǎng)絡(luò),帶寬為20 Mb/s,隱私保護(hù)水平(K)為5～10,所有實(shí)驗(yàn)結(jié)果至少進(jìn)行100輪后取平均值。

3.2 性能分析

仿真比較在不同參與者數(shù)量和隱私保護(hù)水平下3種方法的隱私保護(hù)成功率。如圖5所示,由于本文PP-Voronoi方法采用不規(guī)則混沌區(qū)域,且考慮了混沌區(qū)域內(nèi)部用戶之間的位置保護(hù),因此其隨著參與者增多,隱私保護(hù)成功率隨之增加直至最高。如圖6所示,隨著參與者數(shù)量增多,加入混沌區(qū)域內(nèi)的用戶數(shù)增多,隱私保護(hù)成功率隨之提高,由此可以看出,Coprivacy方法的隱私保護(hù)成功率基本保持不變,PP-Voronoi方法呈緩慢增長,且隱私保護(hù)成功率最高。

圖5 3種方法在不同參與者數(shù)量下的隱私保護(hù)成功率

圖6 3種方法在不同隱私保護(hù)水平下的隱私保護(hù)成功率

圖7表示3種方法在不同參與者數(shù)量下的數(shù)據(jù)交互平均響應(yīng)時(shí)間。Privacy_l方法需要耗費(fèi)時(shí)間構(gòu)建一個(gè)可信區(qū)域,因此其平均響應(yīng)時(shí)間最多。需要指出的是Coprivacy方法假設(shè)混沌區(qū)域內(nèi)的參與者都是可信的,且混沌區(qū)域的錨點(diǎn)為直接指定,因此其平均響應(yīng)時(shí)間最低。PP-Voronoi方法由于需要通過計(jì)算參與者的平均間距確定混沌區(qū)域代表,需要耗費(fèi)時(shí)間,因此平均響應(yīng)時(shí)間要高于Coprivacy方法,但是比Privcay_l方法平均響應(yīng)時(shí)間要低。如圖8所示,隨著隱私保護(hù)水平的提升,由于建立混沌區(qū)域及混沌區(qū)域內(nèi)用戶的交互時(shí)間增加,因此各方法的平均響應(yīng)時(shí)間均增加。

圖7 3種方法在不同參與者數(shù)量下的平均響應(yīng)時(shí)間

圖8 3種方法在不同隱私保護(hù)水平下的平均響應(yīng)時(shí)間

由圖9可以看出,仿真初期由于參與者數(shù)量有限,因此建立混沌區(qū)域需要參與者與鄰居進(jìn)行更多的通信量。Privacy_l方法需要更多的協(xié)作通信建立混沌區(qū)域和錨點(diǎn),因此其需要的平均通信量最多,且隨著參與者數(shù)量的增加通信量下降較慢。PP-Voronoi方法通過參與者的鄰居緩存清單建立通信,平均通信量低于Privacy_l方法,但是比假設(shè)完全可信環(huán)境的Coprivacy方法要高,且隨著參與者數(shù)量增加,平均通信量已經(jīng)接近Coprivacy方法。如圖10所示,隨著隱私保護(hù)水平的提高及混沌區(qū)域內(nèi)參與者數(shù)量的增加,3種方法的通信量隨之增加。

圖9 3種方法在不同參與者數(shù)量下的平均通信量

圖10 3種方法在不同隱私保護(hù)水平下的平均通信量

4 結(jié)束語

本文提出一種基于維諾單元的隱私保護(hù)方法,在用戶構(gòu)建維諾單元的基礎(chǔ)上形成不規(guī)則的混沌區(qū)域,使感知平臺(tái)無法直接推斷出參與者的隱私信息,同時(shí)混沌區(qū)域中內(nèi)部用戶構(gòu)建的維諾單元也能保護(hù)內(nèi)部用戶的隱私。此外,本文通過選擇混沌區(qū)域代表的方式并采用數(shù)據(jù)融合的方法與感知平臺(tái)進(jìn)行數(shù)據(jù)交互,進(jìn)一步保護(hù)參與者的位置信息,且對(duì)混沌區(qū)域整體數(shù)據(jù)質(zhì)量進(jìn)行評(píng)價(jià)來更新參與者的聲譽(yù)值,從而保證感知數(shù)據(jù)的質(zhì)量。在真實(shí)數(shù)據(jù)集上的仿真結(jié)果驗(yàn)證了本文PP-Voronoi方法的可行性與有效性。下一步將優(yōu)化混沌區(qū)域內(nèi)部參與者動(dòng)態(tài)更新方法,并在此基礎(chǔ)上設(shè)計(jì)參與者進(jìn)行數(shù)據(jù)傳輸?shù)妮p量級(jí)加密算法。