×

MAPP:空间众包中具有个性化位置隐私保护的高效多位置任务分配框架。 (英语) Zbl 07834429号

摘要:空间众包(SC)因其覆盖面广、可扩展性强而成为近年来的研究热点。为了将任务分配给距离较近的工作人员,工作人员必须为服务器提供准确的位置。然而,这将导致参与者的位置隐私泄露。现有的工作为每个工人提供了相同级别的位置隐私保护,无法满足不同工人的不同隐私要求。此外,大多数工作都假设任务是单位置任务,而不考虑多位置任务。在本文中,我们提出了具有个性化位置隐私保护的多位置任务分配问题(MLTAP)。据我们所知,我们是第一个研究MLTAP的。我们提出了一个具有个性化位置隐私保护(MAPP)的多位置任务分配框架。为了有效地分配任务,我们使用R树存储工作人员,使用最小包围矩形表示多位置任务,从而过滤任务中无法到达的工作人员。为了更好地消除位置混淆的不利影响,SC服务器根据排名指标对候选工作人员进行排序,并高效地分配多位置任务。最后,我们进行了实验来验证MAPP在效用方面具有良好的性能。

MSC公司:

68倍 计算机科学
90倍X 运筹学、数学规划
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] Kazemi,L。;Shahabi,C.,Geocrowd:通过空间众包实现查询应答,(第20届地理信息系统进步国际会议论文集(2012)),189-198
[2] 王,Y。;严,Z。;冯·W。;Liu,S.,《移动人群感知中的隐私保护:一项调查》,万维网,23,1,421-452(2020)
[3] 高,D。;Lin,H。;Li,Z。;钱,F。;陈庆安。;钱,Z。;刘伟。;龚,L。;Liu,Y.,《wifi安全威胁的全国人口普查:流行率、风险和经济》,MobiCom,242-255(2021)
[4] Tong,Y。;她,J。;丁,B。;Wang,L。;Chen,L.,空间众包中的在线移动微任务分配,2016 IEEE 32Nd国际数据工程会议(ICDE),IEEE,2016,49-60(2016)
[5] 冯·W。;严,Z。;张,H。;曾,K。;Xiao,Y。;Hou,Y.T.,《移动众包中的安全、隐私和信任调查》,IEEE Internet Things J.,5,4,2971-2992(2017)
[6] 邱,C。;Squicciarini,A。;Li,Z。;庞,C。;Yan,L.,在空间众包中通过公路网络保护工人位置隐私的时间效率地理布局,(第29届ACM信息与知识管理国际会议(2020)会议记录),1275-1284
[7] Wang,L。;Yang,D。;韩,X。;张,D。;Ma,X.,移动众包任务分配与差异和失真地理模拟,IEEE Trans。可靠安全计算。,18, 2, 967-981 (2019)
[8] 克隆蒂里斯,I。;弗雷林,F.C。;Dimitriou,T.,《城市传感网络中的位置隐私:研究挑战和方向【新兴无线网络中的安全和隐私】,IEEE Wirel。社区。,17, 5, 30-35 (2010)
[9] Dong,K。;顾,T。;陶,X。;Lu,J.,需要细粒度位置的参与式传感应用中的隐私保护,(2010年IEEE第16届并行和分布式系统国际会议,IEEE(2010)),9-16
[10] 陈,J。;马,H。;Wei博士。;赵,D.,移动人群感知的参与式感知隐私保护聚合统计,(2015 IEEE第21届并行和分布式系统国际会议(ICPADS),IEEE(2015)),140-147
[11] 收件人:H。;Ghinta,G。;Shahabi,C.,《空间众包中保护工人位置隐私的框架》,VLDB捐赠会议记录,7,10,919-930(2014)
[12] 邱,C。;Squicciarini,A.C。;庞,C。;Wang,N。;Wu,B.,通过地理诱导可识别性实现基于车辆的空间众包中的位置隐私保护,IEEE Trans。暴徒。计算。(2020)
[13] 沈毅。;黄,L。;李,L。;卢,X。;王,S。;Yang,W.,《在空间众包中保护员工位置隐私》,2015年IEEE全球通信会议(GLOBECOM),IEEE,2015,1-6(2015)
[14] Günther,F。;Manulis,M。;Peter,A.,《Privacyenhanced participative sensing with college resistance and data aggregation》(密码学与网络安全国际会议,Springer(2014)),第321-336页
[15] 卓·G。;贾,Q。;郭,L。;李,M。;Li,P.,云辅助移动众包的隐私保护可验证数据聚合和分析,(IEEE INFOCOM 2016-第35届IEEE国际计算机通信年会,IEEE(2016)),1-9
[16] 陈,J。;马,H。;Zhao,D.,具有完整性保证和容错性的移动人群感知专用数据聚合,无线网络。,23, 1, 131-144 (2017)
[17] Jin,H。;苏·L。;Xiao,H。;Nahrstedt,K.,《盗梦空间:激励移动人群感知系统的隐私保护数据聚合》(2016年第17届ACM移动自组网与计算国际研讨会论文集),341-350
[18] 王,Y。;顾,M。;马,J。;Jin,Q.,Dnn-dp:敏感众包数据的差异隐私支持深度神经网络学习框架,IEEE Trans。计算。社会系统。,7, 1, 215-224 (2019)
[19] 马哈南,W。;Chaovalitwingse,W。;Natwichai,J.,具有k-匿名性的数据隐私保护算法,万维网,24,51551-1561(2021)
[20] Gisdakis,S。;Giannetsos,T。;Papadimitratos,P.,《移动人群感知系统的安全、隐私和激励规定》,IEEE Internet Things J.,3,5,839-853(2016)
[21] Wang,Y.,通过状态分解保持私密性平均共识,IEEE Trans。自动。控制,64,11,4711-4716(2019)·Zbl 1482.93029号
[22] 张凯。;Li,Z。;王,Y。;Louati,A。;Chen,J.,《通过状态分解保持隐私的动态平均共识:多机器人编队控制案例研究》,Automatica,139,第110182页(2022)·Zbl 1485.93548号
[23] An,L。;Yang,G.-H.,网络物理系统中分布式状态估计的不透明性增强,Automatica,136,文章110087 pp.(2022)·Zbl 1480.93412号
[24] Tong,Y。;曾勇。;丁,B。;Wang,L。;Chen,L.,空间众包中的双边在线微任务分配,IEEE Trans。知识。数据工程,33,5,2295-2309(2019)
[25] Pu,L。;陈,X。;徐,J。;Fu,X.,Crowdlet:自组织移动众包的最佳员工招聘,(IEEE INFOCOM 2016-第35届IEEE国际计算机通信年会,IEEE(2016)),1-9
[26] 郭,B。;刘,Y。;Wang,L。;Li,V.O。;Lam,J.C。;Yu,Z.,《空间众包中的任务分配:现状和未来方向》,IEEE Internet Things J.,5,3,1749-1764(2018)
[27] R.伯克德。;德尔·阿米科,M。;Martello,S.,《分配问题:修订再版》(2012),SIAM
[28] 宋,Z。;Liu,C.H。;吴杰。;马,J。;Wang,W.,面向Qoi多任务的预算约束动态参与者选择,IEEE Trans。车辆。技术。,63, 9, 4618-4632 (2014)
[29] Yu,D。;张,X。;张,X。;Zhang,L.,空间众包环境下基于决策树的多任务分配算法,(并行处理算法和架构国际会议,Springer(2019)),300-314
[30] 肖,M。;吴杰。;黄,H。;黄,L。;Hu,C.,基于概率协作的移动群体感知中的截止时间敏感用户招募,(2016 IEEE第24届网络协议国际会议,IEEE(2016)),1-10
[31] Wang,J。;王,Y。;张,D。;Wang,F。;何毅。;Ma,L.,Psallocator:具有感知能力约束的参与式感知的多任务分配,(2017年ACM计算机支持合作工作和社会计算会议论文集(2017)),1139-1151
[32] 袁,D。;李强。;李·G。;王,Q。;Ren,K.,《Priradar:空间众包的隐私保护框架》,IEEE Trans。通知。Forens公司。安全。,15, 299-314 (2019)
[33] 收件人:H。;沙哈比,C。;Xiong,L.,不可信服务器空间众包中的隐私保护在线任务分配,2018 IEEE第34届国际数据工程会议(ICDE),IEEE,2018,833-844(2018)
[34] 舒,J。;Yang,K。;贾,X。;刘,X。;王,C。;Deng,R.H.,众包中无代理隐私保护任务与有效撤销的匹配,IEEE Trans。可靠安全计算。,18, 1, 117-130 (2018)
[35] Guttman,A.,R树:空间搜索的动态索引结构,(1984年ACM SIGMOD国际数据管理会议论文集(1984)),47-57
[36] 郑毅。;谢,X。;Ma,W.-Y.,《Geolife:用户、位置和轨迹之间的协作社交网络服务》,IEEE数据工程公告。,33, 2, 32-39 (2010)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。