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(dòng)眾包(MCS)已成為當(dāng)今社會(huì)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(huì)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(huì)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(shí)世界的情況下并不能獲得好的結(jié)果。同時(shí),，在線任務(wù)分配問題往往會(huì)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(shí)間以達(dá)到更好的分配效果,。近日,，煙臺大學(xué)計(jì)算機(jī)與控制工程學(xué)院分布式人工智能團(tuán)隊(duì)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(tuán)隊(duì)創(chuàng)新性地提出了一種基于邊緣計(jì)算和區(qū)塊鏈技術(shù)的三重實(shí)時(shí)軌跡隱私保護(hù)機(jī)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(jī)制來處理任務(wù)參與者當(dāng)前的真實(shí)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(jì)算的時(shí)空動(dòng)態(tài)假名機(jī)制，將任務(wù)參與者的整個(gè)軌跡劃分為多個(gè)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(gè)真實(shí)數(shù)據(jù)集進(jìn)行大量實(shí)驗(yàn)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(tuán)隊(duì)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(shí)現(xiàn)實(shí)時(shí)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(jì)了一個(gè)優(yōu)先級隊(duì)列,。考慮工人和任務(wù)的等待時(shí)間期限和優(yōu)先級排序以及錯(cuò)誤率情況,，避免工人和任務(wù)等待時(shí)間過長,，盡可能分配每個(gè)任務(wù),。在此基礎(chǔ)上，針對不成功的任務(wù)設(shè)計(jì)了兩階段分配策略,，最大限度地降低任務(wù)的錯(cuò)誤率,，顯著提高任務(wù)分配的效率。最后,，通過對真實(shí)數(shù)據(jù)集的實(shí)驗(yàn),，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）
