面向群智感知高效高可用要求的隐私保护关键技术研究

Due to the characteristics of mobile crowd and participatory sensing systems, e.g., user universality and uncertainty, multimodality of mass sensing data and diversity of privacy leakage risk, the existing privacy preserving mechanism cannot effectively deal with the problem of user privacy assurance. Given this, this project intends to conduct researches from a new perspective on the high efficiency, high availability and diverse demands privacy protection mechanism. The detailed research content includes: 1) studies on multi-target joint privacy assessment model and optimization of privacy protection based on the united fuzzy entropy and transfer theory; 2) to defend the perception behavior coorelation analysis attacks in the process of mobile participatory sensing, we will do researches on user anonymous participation technology based on the lightweight unit-based virtual currency; 3) to defend the sensitive information mining analysis attacks launched in the server, we will use deep learning theory to study localization differential privacy processing mechanism based on multi-agent Generative Adversarial Networks(GAN); 4) Finally, we will use the simulation experiment system and the smart campus participatory intelligent bus system deployed in Wuhan University to implement and verify the proposed optimized privacy protection system. This project is aimed at achieving innovative results from multi-target joint privacy assessment, anonymous generalization of perception behavior, and perceptual data optimization perturbation, so as to solve comprehensive privacy protection challenges in mobile crowd and participatory sensing systems and provide a theoretical foundation and technical support.

移动群智感知系统的参与用户广泛性与不确定性、感知数据海量多模态、隐私泄露风险多元化的特点，使得现有隐私保护机制无法有效处理用户隐私确保问题。鉴于此，本项目拟从全新研究角度入手，研究面向高效高可用及多元化需求的隐私保护技术，具体内容包括：研究基于联合模糊熵和迁移理论的多目标隐私评估模型及隐私保护优化；针对敌手面向移动群智感知任务参与过程发起的感知行为关联分析攻击，研究基于轻量级单位化虚拟货币的感知用户匿名参与机制；针对敌手面向感知数据发起的敏感信息挖掘分析攻击，利用深度学习理论，研究基于多主体生成对抗网络的感知数据本地化差分隐私处理方法；最后利用仿真和已部署在武汉大学的智慧校园众源智能公交系统对所提出优化隐私保护系统进行实现及验证测试。本项目旨在从多目标隐私评估、感知行为匿名泛化、感知数据优化扰动等方面取得创新成果，从而为解决移动群智感知应用的全面隐私保护难题提供理论基础和技术支撑。

移动群智感知得益于智能手机的普及而具有广泛的应用潜力，但是移动群智感知系统的用户隐私泄露问题是制约其大范围推广应用的关键问题之一。本项目针对群智感知过程中存在的感知效率、感知性能、数据质量与隐私保护有效性之间的矛盾，从隐私评估、群智感知行为匿名化处理、感知数据本地化差分隐私处理等方面展开研究，设计出一系列保护群智感知用户隐私的模型、方法与解决方案，所开展的研究工作包括：在隐私评估方面，设计出群智感知系统中基于联合模糊熵的多目标隐私评估模型，对感知用户参与行为隐私保护措施和感知数据敏感信息隐私保护措施进行定性分析和性能边界分析，并设计能有效应对隐私攻击的协同隐私保护系统框架；在感知参与匿名化方面，设计出针对感知用户隐私在不可信服务器端与网络攻击隐私泄露风险的匿名激励与通信机制，在确保用户在参与群智感知全过程中的隐私安全；在差分隐私保护方面，提出了基于生成对抗网络的本地化差分隐私保护模型，根据用户自定义的隐私需求及语意权重的自适应生成定向噪声，使得隐私确保处理后的数据具备高可用性与感知高效性。集成本项目所提出各项研究成果的群智感知隐私保护系统已经在项目团队研发的校园公交拥挤程度感知及驾驶行为分析、室内定位指纹更新、个人运动监测等群智感知应用中实现及验证测试，实验结果表明，项目所提出的机制与算法在隐私性和感知效率等多项指标上显著优于已有算法。本项目的研究成果将为解决移动群智感知应用的隐私保护问题提供有效的理论基础和技术支撑。

内容获取失败，请点击重试