基于安全多方合作的社会参与感知隐私保护方案

社会参与者感测已被广泛用于收集与位置有关的感官数据以用于各种应用。 为了在预算有限的情况下提高收集数据的信息质量（QoI），应用服务器需要协调具有不同数据收集功能和各种激励要求的参与者。 但是，现有的参与者协调方法要么要求参与者向服务器泄露其轨迹，这会导致隐私泄漏，要么在参与者的位置精度与隐私之间进行权衡，从而导致较低的QoI。 在本文中，我们提出了一种隐私保护方案，该方案允许应用服务器在不知道参与者的轨迹和身份的情况下为社交感知任务提供准最优QoI。 更具体地说，我们首先建议使用一种基于安全多方合作（SMC）的方法来根据QoI评估参与者的贡献，而无需透露每个人的轨迹。 其次，采用旨在精确平衡数据效用收益，激励预算和可推断的隐私保护能力的基于模糊决策的方法来逐步协调参与者。 第三，对感官数据和激励进行加密，然后与参与者链一起进行扰动传输，以在整个数据上传和激励分发过程中保护用户隐私。 仿真结果表明，我们提出的方法可以有效地选择合适的参与者，从而获得比其他方法更好的QoI，并且可以有效地保护每个参与者的隐私。