移动群智感知中基于轨迹隐私保护的对象匹配系统及方法

本发明属于物联网和用户信息隐私保护，涉及一种对象匹配系统及方法，具体涉及一种移动智能设备在隐私保护的前提下根据工人的轨迹来选择合适的工人来参与感知任务的系统及方法。

背景技术：

1、在过去十年中，物联网(iot)吸引了学术界和工业界的大量关注，典型的物联网设备例如带温度传感器的化学容器、带ic标签的剪刀以及远程监控能源消耗的智能仪表等。现在，新兴的物联网设备很多是以消费者为中心的移动传感和计算设备，例如智能手机，车在传感设备等。这些设备具有各种传感计算和通行能力，它们可以生成有关环境本身的信息，详细的表述人们对物理世界的了解。

2、移动群智感知(mobile crowdsensing，mcs)便是在这样的环境应运而生。移动群智感知是一种新出现的感知范式，其中选择一组工作人员通过自己的智能设备终端来收集特定的实时数据。例如，当地政府希望招聘流动工人，在白天观察工业区的当地空气质量；一位房地产经理想雇佣流动工人来收集当地社区夜间的噪音水平。在这种情况下任务请求者(即政府或房地产管理者)需要定义任务空间信息。通常，任务的工作轨迹是一段特定的路线。因此，一个工人的工作轨迹很难做到刚好完全覆盖工作轨迹。在这种前提下，mcs平台自然会优先选择与感知任务的轨迹具有高轨迹相似性的工人。

3、工人想要能够参与任务，那么需要计算出与任务的轨迹相似性。因此，员工必须向服务提供商披露有关其当前真实位置的信息。然而，位置信息可能包含敏感数据，例如家庭住址、工作地点，甚至可以从日常运行轨迹分析出该用户的行为模式和生活习惯等私密信息。因此，出于自身的安全考虑，大多数员工不愿意向服务提供商提供他们的确切位置信息，这会导致工人的参与任务的积极性大大降低，从而影响整个系统的效率。这被认为是mcs面临的重大挑战。

4、在过去几年中有大量学者进行了广泛的研究，想要在保护参与mcs的工人的位置隐私下，匹配出合适的对象(工人)。目前有人提出了基于同态加密的方法，实现对工人的位置隐私保护的前提下匹配出合适对象(工人)。但是目前的方法针对的都是对象(工人)的工作范围看作一个点的情况，在实际的情况下不具有普遍性。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种移动群智感知中基于轨迹隐私保护的对象匹配系统及方法。

2、本发明的系统所采用的技术方案是：一种移动群智感知中基于轨迹隐私保护的对象匹配系统，包括可信密钥管理中心kms、任务请求者requestors、感知平台platform、云服务器cs、对象workers；假设这里有n个对象workers，记为{w1，...，wn}；所述可信密钥管理中心kms会生成系统的初始参数并给任务请求者requestors、感知平台platform、云服务器cs和对象workers分发密钥；所述任务请求者requestors对自己的任务轨迹进行加密上传给所述感知平台platform；对象workers上传自己的工作轨迹密文给所述感知平台platform，所述感知平台platform在接收到轨迹密文后，计算出对应路标点的密文距离，将密文距离发送给所述云服务器cs；由所述云服务器计算lcss(longest common subsequence，最长公共子序列)相似度并进行解密，将计算结果发送给所述感知平台platform，所述感知平台platform根据计算得到的lcss相似度匹配出合适的对象workers。

3、本发明的方法所采用的技术方案是：一种移动群智感知中基于轨迹隐私保护的对象匹配方法，包括以下步骤：

4、步骤1：可信密钥管理中心kms会生成系统的初始参数，包括公钥pk＝(n，g)，私钥sk＝(λ，μ)；

5、其中，所述可信密钥管理中心kms输入一个安全参数κ∈z+，其中z+表示正整数集合，随机选择两个大素数p和q，使得|p|＝|q|＝κ，其中|p|，|q|表示大素数p和q的长度，选取n使得n＝pq；随机选取是小于n2且与n2互素的正整数集合；λ＝lcm(p-1，q-1)，lcm(a，b)是计算a和b之间的最小公倍数；μ＝(l(gλmodn2))-1modn，

6、步骤2：任务请求者requestors和对象workers向感知平台platform进行注册，完成注册后，所述可信密钥管理中心kms进行密钥的分发；所述任务请求者requestors、对象workers和感知平台platform获得公钥pk＝(n，g)，云服务器cs获得私钥sk＝(λ，μ)；

7、步骤3：所述任务请求者requestors对自己的任务轨迹进行加密上传给所述感知平台platform；所述对象workers上传自己的工作轨迹密文给所述感知平台platform；

8、步骤4：所述感知平台platform在接收到轨迹密文后，计算出对应路标点的密文距离，将密文距离发送给所述云服务器cs；

9、步骤5：所述云服务器计算lcss(longest common subsequence，最长公共子序列)相似度并进行解密，将计算结果发送给所述感知平台platform；

10、步骤6：所述感知平台platform根据计算得到的lcss相似度匹配出合适的对象workers。

11、本发明和现有的技术相比有如下的优点和有益效果：

12、本发明能确保平台在选择合适的工人分配任务时，工人的位置隐私能够得到保护，具有很高的实用性。paillier同态加密可以有效的保护任务请求者和工人的数据隐私。在我们的系统中，平台没有解密的密钥，从而平台是无法知道任务请求者和工人的位置信息。云服务器拥有私钥可以解密，它只与平台进行通信，在平台与云服务器不共谋的情况下，云服务器是无法知道任务请求者和工人的位置信息。因为在实际情况下，平台一般是指大型企业，例如滴滴、uber等，这样的企业或公司会很在意自己的声誉，如果被发现丑闻会导致巨大损失。所以平台与云服务器不共谋的前提是很合理的。此外，平台在收到任务请求者和工人的轨迹密文后，对其进行了距离计算和盲化，然后发送到云服务器。云服务器接收到的是盲化后的距离密文，即使解密后也无法推测出任务请求者和工人的轨迹信息。本发明的技术还可以用于很多场景，比如在联邦学习当中也是需要选择工人的，本发明具有很高的实用性和隐私保护性。

技术特征：

1.一种移动群智感知中基于轨迹隐私保护的对象匹配系统，其特征在于：包括可信密钥管理中心kms、任务请求者requestors、感知平台platform、云服务器cs、对象workers；假设这里有n个对象workers，记为{w1,…,wn}；所述可信密钥管理中心kms会生成系统的初始参数并给任务请求者requestors、感知平台platform、云服务器cs和对象workers分发密钥；所述任务请求者requestors会对自己的任务轨迹进行加密上传给所述感知平台platform；对象workers上传自己的工作轨迹密文给所述感知平台platform，所述感知平台platform在接收到轨迹密文后，计算出对应路标点的密文距离，将密文距离发送给所述云服务器cs；由所述云服务器计算lcss(longest common subsequence，最长公共子序列)相似度并进行解密，将计算结果发送给所述感知平台platform，所述感知平台platform根据计算得到的lcss相似度匹配出合适的对象workers。

2.一种移动群智感知中基于轨迹隐私保护的对象匹配方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的移动群智感知中基于轨迹隐私保护的对象匹配方法，其特征在于，步骤3的具体实现包括以下子步骤：

4.根据权利要求3所述的移动群智感知中基于轨迹隐私保护的对象匹配方法，其特征在于，步骤4的具体实现包括以下子步骤：

5.根据权利要求4所述的移动群智感知中基于轨迹隐私保护的对象匹配方法，其特征在于，步骤5的具体实现包括以下子步骤：

6.根据权利要求5所述的移动群智感知中基于轨迹隐私保护的对象匹配方法，其特征在于，步骤6的具体实现包括以下子步骤：

技术总结
本发明公开了一种移动群智感知中基于轨迹隐私保护的对象匹配系统及方法，系统包括密钥管理中心、任务请求者、感知平台、云服务器、对象；可信密钥管理中心会生成本系统的初始参数并给其他实体分发密钥。任务请求者会对自己的任务轨迹进行加密上传给平台；同理，对象上传自己的工作轨迹密文。平台在接收到轨迹密文后，计算出对应路标点的密文距离，将密文距离发送给云服务器。由云服务器计算LCSS相似度并进行解密，将计算结果发送给平台。最后平台根据计算得到的LCSS相似度选出合适的对象。本发明不仅解决了对象选择过程中隐私保护的问题，而且还实现基于工作轨迹对对象进行任务分配，更符合现实场景，具有很高的实用性。

技术研发人员：张明武,周炘晨
受保护的技术使用者：湖北工业大学
技术研发日：
技术公布日：2024/1/13