一种面向用户个性化隐私保护的众包任务分配方法与流程

本发明涉及一种面向用户个性化隐私保护的众包任务分配方法，属于涉及隐私保护技术领域。

背景技术：

近来，通过集体智慧寻求问题解决的一种新模式――众包，得到了学术界的广泛关注。所谓众包，通常是指“一种把过去由专职员工执行的工作任务通过公开的web平台，以自愿的形式外包给非特定的解决方案提供者群体来完成的分布式问题求解模式”，众包的出现带来了广泛的应用市场和场景。例如，早期的众包平台通常指“问答系统”平台，如开源自由免费的百科全书编辑平台维基百科，依靠互联网大众共同编辑百科全书为人们提供一个获取知识的途径；再如百度知道，通过悬赏积分让有经验的互联网用户回答专业问题，分享他们的知识。

之后，随着任务的复杂化和数据的多样化，空间众包应运而生，一个典型的空间众包系统由空间众包服务器、空间任务请求者和空间众包用户三部分组成。空间任务请求者发布任务信息，发送给空间众包服务器；空间众包用户提交自己的位置等信息，发送给空间众包服务器；空间众包服务器根据某种策略，将空间任务和空间众包用户进行匹配，匹配成功的用户需要移动到指定的任务地点完成相应任务并获得报酬。空间众包作为传统众包概念在时空领域的延伸，利用了用户的移动性和便携设备的多功能性，在社会服务、智能交通等领域都发挥着卓越的作用。

根据空间任务的分配方式，空间众包可以分为两种模式：用户选择任务模式wst

(workerselectedtasks)和服务器分配任务模式sat(serverassignedtasks)。在wst模式下，用户根据自身位置信息，主动选择平台上发布的任务去执行。显然，此种模式不用担心用户位置隐私被暴露，因为用户从未将其位置隐私信息发送给平台。与之相反，在sat模式下，用户们会将自身的位置信息发送给空间众包平台，平台根据现有的任务位置数据和用户位置数据，进行分配产生一个全局最优的任务分配方案。由于sat模式使得平台拥有任务-用户匹配的全局观，其更受到业界的关注，我们的研究也着眼于该模式。经调研发现目前，已有研究学者在相关领域的顶级期刊与会议上对其进行了总结。

随着基于空间众包应用的广泛出现以及信息时代的迅速发展，移动用户位置、家庭住址和gps等位置数据更容易获取，如何保护空间众包场景下的用户位置隐私数据成为其面临的主要问题。调研发现，空间众包中典型的隐私保护技术主要有差分隐私技术、空间匿名技术和同态加密技术三种。

综上所述，目前的研究工作主要存在以下问题：针对现阶段保护用户位置隐私的空间众包任务分配方法，没有从客观人口分布角度对用户隐身区域进行研究，不能满足现阶段多样化的隐私需求。

技术实现要素：

本发明提出一种面向用户个性化隐私保护的众包任务分配方法，其目的是针对使用空间匿名技术保护用户位置隐私的众包任务分配问题，克服现有方法的不足，考虑用户匿名区域的不合理性，提出一种面向用户个性化隐私保护的众包任务分配方法。

一种面向用户个性化隐私保护的众包任务分配方法，所述众包任务分配方法包括以下步骤：

步骤一：初始化用户隐身区域，生成以用户为中心的正方形区域，在区域内随机选择一个点，以该随机点为中心生成面积大小相同的正方形区域；

步骤二：对步骤一中初始化后的正方形区域进行网格划分，并计算每个网格的信息量；

步骤三：依次删除信息量最低的网格，并在初始化后的正方形区域边界的相邻网格中选择信息量最高的网格进行替换扩充，得到可变换的区域大小相同且具有最大信息量的连续隐身区域；

步骤四：众包任务服务器根据用户提交的正方形区域和任务请求者提交的任务信息，计算该任务分配过程中的用户期望距离；

步骤五：设计任务分配的贪心算法，平台选择用户期望距离最小的有限分配，直到选出满足任务请求者需求的所有用户。

进一步的，步骤一中包括以下步骤：

步骤一一：用户根据实际位置信息及个性化的隐身范围大小，生成一个以实际位置为中心的正方形区域；

步骤一二：在该正方形区域中随机选取一个点，以该点为中心，生成与步骤一一生成的正方形区域大小相同的正方形区域，记为c。

进一步的，步骤二中包括以下步骤：

步骤二一：根据用户定义的网格粒度，对区域c进行网格划分，形成若干单元网格；

步骤二二：对区域c中的单元网格进行编号，并记录区域c中单元网格的中心点位置，标记边界网络；

步骤二三：对区域c中单元网格进行信息量的计算。

进一步的，步骤三中包括以下步骤：

步骤三一：找到当前区域c中信息量最小的网格gird_min，该网格不是用户真实位置所在网格，同时该网格不是当前区域c中任意网格的唯一相邻网格；

步骤三二：找到当前区域c中边界网格的相邻网格中信息量最大的网格gird_e_max；

步骤三三：如果gird_e_max的信息量大于gird_min的信息量，将网格gird_min从c中删除，将网格gird_e_max添加到区域c，从而将区域c更新并更新边界信息，之后返回步骤三一，直至gird_e_max的信息量小于或等于gird_min的信息量，得到最终的隐身区域。

进一步的，步骤四中，具体的：众包任务服务器根据用户提交的隐私区域和任务请求者提交的任务信息，计算用户到任务的期望距离，平台根据任务t请求者提交的位置信息lt和用户最大旅行距离参数rmax，生成一个以lt为中心，半径为rmax圆形区域at，并计算该用户到任务点的期望距离d：

其中ai为at与步骤三中所述区域c的交叉区域，dist(z,lt)表示点z到lt的距离，f(z)为区域c中点的密度函数，为均匀分布概率密度函数。

进一步的，步骤五中包括以下步骤：

步骤五一：在满足d小于rmax的所有符合条件的wt个用户中选取nt个期望距离最小的用户；

步骤五二：发送任务选择信息给对应用户；

步骤五三：用户限时返回参与该任务的确认信息；

步骤五四：当前确认参与该任务的用户总数量为n’t，不参与该任务的用户总数量w’t；

步骤五五：当n’t＝nt时，完成任务分配；当wt-w’t<nt时，取消该任务，并向用户发送任务取消信息；否则选择令nt＝nt-n’t个期望距离最小的用户发送任务选择信息并执行步骤五一，直到满足n’t＝nt或wt-w’t<nt。

本发明的有益效果：

(1)满足当代用户个性化的隐私需求，可由自己定义自己的隐私程度；

(2)使用空间匿名技术，无需可信第三方，更有有实际意义；

(3)提出一种生成用户最佳隐私区域的方法，提高自身隐身效果。

附图说明

图1为本发明的一种面向用户个性化隐私保护的众包任务分配方法中步骤一方法流程图；

图2为本发明的一种面向用户个性化隐私保护的众包任务分配方法中步骤二方法流程图；

图3为本发明的一种面向用户个性化隐私保护的众包任务分配方法中步骤三方法流程图；

图4为本发明的一种面向用户个性化隐私保护的众包任务分配方法中步骤四方法流程图；

图5为本发明的一种面向用户个性化隐私保护的众包任务分配方法中步骤五方法流程图；

图6为相邻网格的示意图；

图7为本发明的一种面向用户个性化隐私保护的众包任务分配方法的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图7所示，本发明提出了一种面向用户个性化隐私保护的众包任务分配方法的一实施例，所述众包任务分配方法包括以下步骤：

步骤一：初始化用户隐身区域，生成以用户为中心的正方形区域，在区域内随机选择一个点，以该随机点为中心生成面积大小相同的正方形区域；

步骤二：对步骤一中初始化后的正方形区域(即隐身区域)进行网格划分，并计算每个网格的信息量；

步骤三：依次删除信息量最低的网格，并在初始化后的正方形区域(即隐身区域)边界的相邻网格中选择信息量最高的网格进行替换扩充，得到可变换的区域大小相同且具有最大信息量的连续隐身区域；

步骤四：众包任务服务器根据用户提交的正方形区域和任务请求者提交的任务信息，计算该任务分配过程中的用户期望距离；

步骤五：设计任务分配的贪心算法，平台选择用户期望距离最小的有限分配，直到选出满足任务请求者需求的所有用户。

参照图1所示，在本部分优选实施例中，步骤一中包括以下步骤：

步骤一一：用户根据实际位置信息及个性化的隐身范围大小，生成一个以实际位置为中心的正方形区域；

步骤一二：在该正方形区域中随机选取一个点，以该点为中心，生成与步骤一一生成的正方形区域大小相同的正方形区域，记为c。

参照图2所示，在本部分优选实施例中，步骤二中包括以下步骤：

步骤二一：根据用户定义的网格粒度，对区域c进行网格划分，形成若干单元网格；

步骤二二：对区域c中的单元网格进行编号，并记录区域c中单元网格的中心点位置，标记边界网络；

步骤二三：对区域c中单元网格进行信息量的计算。

具体的，步骤二中生成的区域c进行网格划分，用户根据个性化的划分粒度m，其中m表示区域c中包含m个大小相同的单元网格。单元网格gird可表示为：

gird＝{t,＜x,y＞,b,it}

其中：

t表示单元网格编号，t＝1,2,3,……,m；

<x,y>表示该单元网格中心点坐标，其中x表示经度，y表示纬度；

b为边界标记，即标识该网格是否是区域c的边界网格，如果是取值为1，不是取值为0；

it为该单元网格的信息量，表示为：

it＝log2poit

其中poit表示第t个单元网格中包含兴趣点的个数，在地理信息系统中，一个兴趣点可以是一栋房子、一个商铺、一个邮筒、一个公交站等。

参照图3和图6所示，在本部分优选实施例中，步骤三中包括以下步骤：

步骤三一：找到当前区域c中信息量最小的网格gird_min，该网格不是用户真实位置所在网格，同时该网格不是当前区域c中任意网格的唯一相邻网格，其中，相邻网格如图6所示；

步骤三二：找到当前区域c中边界网格的相邻网格中信息量最大的网格gird_e_max；

步骤三三：如果gird_e_max的信息量大于gird_min的信息量，将网格gird_min从c中删除，将网格gird_e_max添加到区域c，从而将区域c更新并更新边界信息，之后返回步骤三一，直至gird_e_max的信息量小于或等于gird_min的信息量，得到最终的隐身区域。

参照图4所示，在本部分优选实施例中，步骤四中，具体的：众包任务服务器根据用户提交的隐私区域和任务请求者提交的任务信息，计算用户到任务的期望距离，平台根据任务t请求者提交的位置信息lt和用户最大旅行距离参数rmax，生成一个以lt为中心，半径为rmax圆形区域at，并计算该用户到任务点的期望距离d：

其中ai为at与步骤三中所述区域c的交叉区域，dist(z,lt)表示点z到lt的距离，f(z)为区域c中点的密度函数，为均匀分布概率密度函数。

参照图5所示，在本部分优选实施例中，步骤五中包括以下步骤：

步骤五一：在满足d小于rmax的所有符合条件的wt个用户中选取nt个期望距离最小的用户；

步骤五二：发送任务选择信息给对应用户；

步骤五三：用户限时返回参与该任务的确认信息；

步骤五四：当前确认参与该任务的用户总数量为n’t，不参与该任务的用户总数量w’t；

步骤五五：当n’t＝nt时，完成任务分配；当wt-w’t<nt时，取消该任务，并向用户发送任务取消信息；否则选择令nt＝nt-n’t个期望距离最小的用户发送任务选择信息并执行步骤五一，直到满足n’t＝nt或wt-w’t<nt。