移动群体感知是物联网技术的一个典型实例,在这个场景中,任务发布者通过服务器将感知任务外包给工作者,由工作者执行任务并向发布者反馈任务结果。任务分配和激励的设计是群体感知中的关键部分。然而由于半可信的服务器以及可能存在恶意工作者,群体感知的任务分配以及激励过程中存在隐私安全和公平性问题。首先,在任务分配和报酬的分配过程中,只有较少的方案能同时保证发布者和工作者双方的隐私信息,包括身份、属性的隐私等。其次,没有能力执行任务但恶意的工作者会获得任务的具体内容从而导致数据泄露问题。最后,在激励机制中,大多数基于拍卖的模式仅考虑了工作者的竟价而忽视了工作者的能力,从而导致发布者支付的报酬无法达到最大效益。针对前述的问题,本文的主要工作可总结如下:1.本文提出了一个保护隐私的细粒度移动群体感知任务分配方案。利用基于密文策略的属性加密,将每个任务的需求描述为访问策略,将每个工作者描述为属性集合,将任务分配问题转化为对工作者的访问控制问题,实现了对用户的筛选,保证了任务内容的机密性。2.本文设计了一个新颖的基于工作者能力的激励机制。首先通过基于属性的任务分配机制筛选出满足要求的工作者,再由工作者考虑自身成本及可能获得的报酬后决定是否执行任务,最后根据工作者的属性对其执行任务的能力进行量化,再按照量化后的能力值对工作者进行报酬的分配。该机制能够保证工作者获得公平的报酬以及总收益为正,并且能力高的工作者获得更多报酬。3.本文根据本文方案实现了一个原型系统,以验证方案的准确性,之后对各个实体进行了安全性分析。在性能上,本文将本方案的基于属性加密的任务分配机制与相关方案进行了对比;在激励效果上,本文测试了不同的工作者招募策略以及报酬计算方式对工作者收益的影响。实验结果证明本文方案有很低的时间开销,能够实现隐私保护的目标,并且对工作者有良好的激励。