-
公开(公告)号：CN119520053A
公开(公告)日：2025-02-25
申请号：CN202411603859.1
申请日：2024-11-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于区块链的双向评估可信数据感知方法。该发明方法为解决群智感知网络中存在恶意攻击而导致数据质量低下的问题。首先通过使用区块链技术避免目前中心化平台遭受DDOS等集中攻击引起的安全隐患。同时通过招募边缘计算节点执行真值发现算法获取真值对数据参与者的信任度进行评估，识别并降低恶意参与者的捏造的恶意数据对总体数据质量的影响。并通过数据请求者对数据参与者完成任务时的友好度、及时性、协作度等能力进行评估得到的声誉综合其数据收集能力得到数据参与者的服务质量。数据请求者通过数据参与者的服务质量结合反向任务拍卖，在有限预算下对数据参与者进行招募，最大化数据请求者获得数据的效用以构建出高质量的应用。
-
公开(公告)号：CN119497072A
公开(公告)日：2025-02-21
申请号：CN202411596631.4
申请日：2024-11-11
Applicant: 中南大学
Abstract: 本发明公开了一种双边位置隐私保护的可信数据采集方法。本发明方法针对工人和任务位置隐私保护下平台难以为距离和位置相关任务招募合适工人，以及网络中低可信甚至恶意工人的识别问题，提出了一种有效的解决方法。首先通过一种矩阵扰动加密来保护工人和任务位置隐私，并通过加密下计算工人和任务的距离接近程度；然后通过已知完全可信工人和高可信工人的数据计算真相，并结合真相对未知工人数据进行验证，计算未知工人信任度并识别出高可信工人和恶意工人。这样，就可以在识别工人后为每个任务都招募高信任度和合适接近程度的工人，以实现双边位置隐私保护的可信数据采集。
-
公开(公告)号：CN119342457A
公开(公告)日：2025-01-21
申请号：CN202411377024.9
申请日：2024-09-30
Applicant: 中南大学
IPC: H04W12/02 , H04W12/60 , H04W12/122 , H04W24/02 , G06F17/16
Abstract: 本发明公开了一种基于个性化隐私保护和信任的真值发现方法，适用于移动群智感知系统中考虑隐私以及存在恶意用户干扰的真值发现问题。首先，本发明提出了一种基于差分隐私的个性化位置隐私保护机制，允许用户根据自身需求设置隐私预算，随后，引入一种基于信任评估的真值发现机制，通过评估用户感知结果与预估真值的接近程度，赋予报告数据更接近真值的用户更高的信任值，最后采用基于反向拍卖的用户选择和支付报酬确定机制，通过优化模型最大化社会福利，并设计启发式算法来寻找最优解。此发明不仅能够满足用户的个性化隐私保护需求，还能在实现位置隐私保护的同时提高感知数据准确性，尤其适用于对隐私保护和数据准确性要求较高的群智感知场景。
-
公开(公告)号：CN119233244A
公开(公告)日：2024-12-31
申请号：CN202411337711.8
申请日：2024-09-25
Applicant: 中南大学
IPC: H04W12/02 , H04W12/0431 , H04W12/033 , H04W12/63 , H04W12/60
Abstract: 本发明公开了一种高效和可信的双边隐私保护真相发现方法，旨在在保护工人和数据请求者隐私的前提下，实现准确的真相发现。该方法采用基于矩阵加密的隐私保护机制，贯穿真相发现的各个环节，确保在获取高质量真相值的同时，不泄露工人和数据请求者的敏感信息。此外，本发明巧妙利用矩阵迹的性质，实现隐私保护下的工人与任务匹配，基于信任的工人招募、真值计算及信任更新，有效提升真相发现的准确性，并降低不必要的工人参与成本。整体而言，本发明为移动群智感知系统中的数据提交与可靠数据聚合提供了一种安全高效的解决方案。
-
公开(公告)号：CN118413309A
公开(公告)日：2024-07-30
申请号：CN202410495494.9
申请日：2024-04-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于区块链的移动群智感知低成本安全数据采集方法。针对过去移动群智感知系统所带来的成本控制与数据安全问题以及集中式服务器的单点故障等问题，本发明提出采用数据交互链这一去中心化的区块链结构来进行低成本且安全的数据采集。本发明中主要包含以下三个关键方法：(1)采用分布式且去中心化的区块链作为感知数据的储存与交互的平台，杜绝了集中式系统所存在的单点故障问题，同时区块链的特性可以很好地保护储存的感知数据，防止其遭到篡改；(2)采用基于双线性映射的代理重加密方法对感知数据进行加密，使得无关第三方难以访问，同时，数据请求者可以拒绝部分低质量数据且被拒绝的感知数据不会被请求者所获取；(3)采用基于矩阵因式分解的数据补全方法，使得数据请求者可以根据已有的感知数据来完成部分缺失的感知数据，减少了招募工人的数量，降低了数据采集的成本。
-
Patent Agency Ranking
公开(公告)号：CN114742441B
公开(公告)日：2024-07-26
申请号：CN202210455458.0
申请日：2022-04-28
Applicant: 中南大学
IPC: G06Q10/0631 , G16Y20/00 , G16Y20/10
Abstract: 本发明公开了一种基于参与者偏好度的提高群智感知数据质量的方法。该发明方法针对群智网络中数据收集的参与者由于拥有的感知设备，感知数据的水平存在差异，故不同的参与者对不同的数据具有不同感知质量。因而，对于不同的数据采集时要选择对此类数据感知质量高的参与者去采集，以获得高的数据质量。该发明方法中，首先，以高准确度的参与者感知的数据为基准数据，对参与者对不同数据属性感知质量的偏好度进行计算，计算出参与者对不同属性数据的感知质量的偏好度。在随后的平台数据采集时，针对不同类型的数据，优先选取综合完成质量高的参与者，以提高数据采集质量。
-
公开(公告)号：CN118171855A
公开(公告)日：2024-06-11
申请号：CN202410271280.3
申请日：2024-03-11
Applicant: 中南大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的通用环境任务分配方法，群智感知的任务分配过程中需考虑多种因素对工人进行选择，解决较大规模的任务工人组合涉及到的高维度组合优化问题。设置权重来调整各目标因素的重要程度来匹配不同的任务场景和需求。本发明给出通用环境下深度强化学习模型的状态、动作和奖励函数的一般表达式，训练算法网络获得最优任务分配策略模型，将任务分配给具有高信任度、低报价及与任务点距离更近的工人，得到任务分配问题的最优解。本发明综合考虑了数据收集的质量、成本及效率，该方法在取得高目标值的同时保证了计算效率，而且模型具有鲁棒性和可解释性。
-
公开(公告)号：CN114845306B
公开(公告)日：2024-04-19
申请号：CN202210419411.9
申请日：2022-04-21
Applicant: 中南大学
IPC: H04W12/122 , H04W4/38 , H04W4/40
Abstract: 本发明公开了一种基于主动消息探测的网络信任状态获取方法。该发明方法能够在设备有数据产生时，将数据编号，数据产生时间，数据截止期，数据位置以及“标识位”构成的数据信任探测识别消息向四个方向通过相邻设备路由到网络边界。这样当无人机收到数据信任探测识别消息时不仅可以到指定位置完成对数据的收集，而且还可以获取可信路由并将该路由的设备信任度进行评估与更新，此外，无人机还可以推断出数据信任探测识别消息向其它方向的传输区域。而当无人机经过数据信任探测识别消息的传输区域后仍未收到消息，那么便说明该区域存在恶意设备。本发明采用近一跳的方法来识别恶意设备所在区域，并将该区域内的设备信任度进行重新评估，以降低其信任值。这样，无人机依据信任更新结果，不断调整其轨迹，从而避开不可信区域，以接收到更多数据信任探测识别消息并完成对更多数据的收集。
-
公开(公告)号：CN115865642B
公开(公告)日：2023-05-09
申请号：CN202310193890.1
申请日：2023-03-03
Applicant: 中南大学
IPC: H04L41/0663 , H04L67/10 , G06F18/23 , G06N20/00
Abstract: 本申请实施例涉及分布式网络技术领域，特别涉及一种招募可信节点完成计算任务的方法和装置。本申请首先选取历史任务作为先验任务，然后指定某几个未知节点组成一个集合进行任务的多轮联邦训练，其中未知节点使用私有数据对任务进行训练，保存任务记录，然后用若干新的节点替换掉该集合中的相同数量的旧节点，组成一个新的集合继续进行任务的训练，之后将任务的记录保存下来，对比前后两个记录，进而判断进行替换的新的节点是否为可信节点，本申请利用存在历史记录的历史任务通过节点替换策略获得一定数量的可信节点，尽可能小的代价去挑选可信节点，这样在之后的任务中，就可以使用可信节点完成任务，从而使得系统的收益最大化。
-
公开(公告)号：CN115865476A
公开(公告)日：2023-03-28
申请号：CN202211513040.7
申请日：2022-11-29
Applicant: 中南大学
IPC: H04L9/40 , H04L41/142 , H04Q9/00
Abstract: 本发明公开了一种基于参与者可靠度和任务匹配的可信数据感知方法。移动群智感知网络的感知数据质量对构建高质量的应用和为公众提供高质量的服务至关重要。然而，移动群智感知网络存在不诚实的参与者通过伪造虚假或恶意的数据而骗取报酬。本发明以网络中已有的可靠的参与者感知的数据作为基准检验未知的参与者上传的数据的真实性，根据参与者上传的数据的真实性来识别值得信赖的参与者，并计算参与者的可靠度。通过参与者的可靠度，构建参与者能力与任务匹配模型。在以后的感知任务中，平台按照匹配好的规则向参与者分配感知任务，以提高网络中数据的采集质量和系统的健壮性。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.025 seconds)
