论文部分内容阅读
众包是一种分布式的问题解决模式,即通过大型的公众网络平台寻找未知的非专职人员解决一个复杂的任务。随着移动互联网技术与物联网技术的不断发展和完善,某些依赖于用户位置信息的众包任务开始出现,此类众包模式即为空间众包。在工作者执行空间任务时,空间众包平台将实时获取工作者的真实位置信息,导致工作者敏感信息泄漏,从而对其隐私安全造成严重的威胁。用户隐私保护和任务分配是空间众包的两大核心研究问题。本文基于空间众包模型,并根据实时专车类服务的派单流程中的数据特点和业务特点,分析现有的应用于空间众包的隐私保护算法以及任务分配算法存在的弊端,对其改进,然后进行仿真实验以验证其可行性与有效性。本文主要的研究内容包括以下三个方面:(1)提出了SDP-Grids算法保护实时专车类服务环境下专车司机的位置隐私,实现差分隐私空间分解。针对传统的空间众包位置隐私保护算法不能处理实际生活中的大规模且偏斜的空间数据问题,以及传统差分隐私空间分解算法未考虑原始空间数据的实际分布的问题,本文通过满足差分隐私的伯努利采样技术对原始数据进行采样,并基于采样数据执行差分隐私空间分解;针对传统差分隐私空间分解算法未给出空间数据稀疏性边界的问题,本文通过给定空间数据稀疏性衡量标准进行启发式网格划分,最后通过实验证实了算法的有效性。(2)分析了传统空间众包的任务分配方法,并结合实时专车类服务环境提出了一种在添加了隐私保护机制的实时专车类服务环境下的乘车任务分配方案,并提出了一种乘车任务广播域构建算法——BTGR算法。针对传统的空间众包中的任务分配方法通常是粗略的,未考虑实际应用中存在的问题,本文通过分析专车司机信用对乘车任务完成率的影响,提出了一种单元任务接受率标准,最后通过实验测试验证了算法的有效性。(3)提出了一种通用的空间数据查询发布模型以及基于SDP-Grids算法的实时专车类服务模型,并说明了SDP-Grids算法以及BTGR算法在该模型中的应用。最后基于上述两种算法设计并实现了一个专车派单原型系统。