針對現(xiàn)有群智感知平臺在數(shù)據(jù)和酬金交付過程中存在的安全風險和隱私泄露問題,該文提出一種基于Tangle網(wǎng)絡(luò)的分布式群智感知數(shù)據(jù)安全交付模型。首先,在數(shù)據(jù)感知階段,調(diào)用局部異常因子檢測算法剔除異常數(shù)據(jù),聚類獲取感知數(shù)據(jù)并確定可信參與者節(jié)點。然后,在交易寫入階段,使用馬爾科夫蒙特卡洛算法選擇交易并驗證其合法性,通過注冊認證中心登記完成匿名身份數(shù)據(jù)上傳,并將交易同步寫入分布式賬本。最后,結(jié)合Tangle網(wǎng)絡(luò)的累計權(quán)重共識機制,當交易安全性達到閾值時,任務(wù)發(fā)布者可進行數(shù)據(jù)和酬金的安全交付。仿真試驗表明,在模型保護用戶隱私的同時,增強了數(shù)據(jù)和酬金的安全交付能力,相比現(xiàn)有感知平臺降低了時間復雜度和任務(wù)發(fā)布成本。 

【文章來源】：電子與信息學報. 2020,42(04)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

Tangle網(wǎng)絡(luò)交易結(jié)構(gòu)

交易結(jié)構(gòu)

接收，發(fā)布，調(diào)用LOF算法拋棄離群點等。客戶端完成節(jié)點生成、操作鄰居節(jié)點、端點選擇、匿名身份檢查、交易沖突檢查、交易發(fā)布。5.1安全性分析(1)防雙花攻擊考慮節(jié)點使用MCMC算法進行交易選擇之后，會對其進行雙花檢查，檢查過程為追溯所有交易歷史，查看該交易的address字段和tag是否重復，若重復則為雙花。此時，節(jié)點會執(zhí)行MCMC算法M次，對重復的每筆交易算置信度C，查看交易被間接選擇進行驗證的次數(shù)L，節(jié)點會選擇置信度高的交易進行驗證。C=LM×100%(4)圖3交易結(jié)構(gòu)圖4身份匿名過程表2算法2：基于MCMC的端點選擇算法輸入：馬爾可夫鏈狀態(tài)轉(zhuǎn)移矩陣Q，平穩(wěn)分布π(x)，最大轉(zhuǎn)移次數(shù)n1，選定時間間隔[W,2W]及該間隔下的樣本個數(shù)n2(此時的樣本個數(shù)為新到的交易所觀察到的交易數(shù)目)。輸出：兩個最先走到Tip的粒子為新交易將驗證的端點。fort=0ton1+n2–1:(1)初始化馬爾可夫鏈X0=x0;(2)獨立的在該選定的間隔中隨機放入N個粒子定義為“Walker”；Pxy=ea(HxHy)∑z:x←zea(HxHz)(3)(3)每個粒子根據(jù)定義的轉(zhuǎn)移概率P隨機的選出一條路徑，向著Tip的方向進行游走。其中轉(zhuǎn)移概率定義為：a>0HxHyXt=xtyt+1=xtp(x|xt)π(x)=(xn1,xn1+1,···,xn1+n21)其中，，為自定義參數(shù)，和為交易x和交易y的累計權(quán)重，轉(zhuǎn)移后第t個時刻的馬爾可夫鏈狀態(tài)為，下一個交易可能的狀態(tài)為，此時。968電子與信息學報第42卷

【參考文獻】：
期刊論文
[1]群智感知應(yīng)用中基于區(qū)塊鏈的激勵機制[J]. 何云華,李夢茹,李紅,孫利民,肖珂,楊超.  計算機研究與發(fā)展. 2019(03)
[2]基于離群點檢測的分類結(jié)果置信度的度量方法[J]. 嚴云洋,瞿學新,朱全銀,李翔,趙陽.  南京大學學報(自然科學). 2019(01)
[3]移動群智感知中基于用戶聯(lián)盟匹配的隱私保護激勵機制[J]. 熊金波,馬蓉,牛犇,郭云川,林立.  計算機研究與發(fā)展. 2018(07)
[4]群智感知環(huán)境下支持激勵機制實施的匿名身份認證協(xié)議研究[J]. 張俊松,甘勇,賀蕾.  小型微型計算機系統(tǒng). 2018(07)
[5]面向移動群智感知的多任務(wù)分發(fā)算法[J]. 徐哲,李卓,陳昕.  計算機應(yīng)用. 2017(01)
[6]移動云計算研究進展與趨勢[J]. 崔勇,宋健,繆蔥蔥,唐俊.  計算機學報. 2017(02)



本文編號：3590615