摘要
空间众包作为近年来最受欢迎的感知数据收集方式之一，被广泛应用于路况监测、智慧交通、环境监测等现实场景。为了挑选较近的任务执行者（工人）以承接众包任务，空间众包系统需要收集工人与任务的真实坐标，从而执行任务分配操作，而这无疑侵犯了工人的隐私信息。如何在隐私保护的情况下完成任务分配操作是一个亟待解决的问题。近年来已有许多空间众包隐私保护任务分配方案被提出，然而这些工作普遍只能支持单一的场景设置，且存在着诸如分配结果不精确、安全保证较弱等诸多问题。为了弥补这些不足之处，本课题设计了一个灵活的隐私保护任务分配方法，该方法能够同时支持空间众包中两种常用的分配设置：在线设置和批量设置。大量实验证明，本课题所设计的隐私保护任务分配方案能够取得与明文近似的分配准确率与实际应用可接受的运行效率。 在实际的空间众包应用中，由于预算有限，任务区域过大，参与者稀少等因素，众包平台通常无法收集到覆盖整个任务区域的感知数据。为了解决这种数据缺失问题，众包平台还需要利用数据恢复技术去推测缺失数据，其中压缩感知（CS）是目前最常使用的数据恢复技术之一。然而CS数据恢复方法需要获取标记有实际位置的感知信息，而这同样会暴露工人的位置隐私信息。为了避免隐私泄露问题，已有许多隐私保护数据恢复方案被提出，然而这些方案普遍会破坏CS数据恢复所依赖的数据联系性，从而导致数据恢复准确度较低。目前最近的一个工作虽然能够在保证CS数据恢复精确进行的情况下进行隐私保护，然而该工作在安全性和功能性上仍有不足之处。有鉴于此，本课题实现了一个安全、高效、精确的空间众包隐私保护数据恢复方案。大量实验证明，本课题所设计的隐私保护数据恢复方案不仅比已有工作具有更强的安全保证与更完善的功能性，还能取得与明文近乎一致的准确度，并在效率上要显著优于已有方案。
NETL