基于Tangle网络的移动群智感知数据安全交付模型

针对现有群智感知平台在数据和酬金交付过程中存在的安全风险和隐私泄露问题,该文提出一种基于Tangle网络的分布式群智感知数据安全交付模型。首先,在数据感知阶段,调用局部异常因子检测算法剔除异常数据,聚类获取感知数据并确定可信参与者节点。然后,在交易写入阶段,使用马尔科夫蒙特卡洛算法选择交易并验证其合法性,通过注册认证中心登记完成匿名身份数据上传,并将交易同步写入分布式账本。最后,结合Tangle网络的累计权重共识机制,当交易安全性达到阈值时,任务发布者可进行数据和酬金的安全交付。仿真试验表明,在模型保护用户隐私的同时,增强了数据和酬金的安全交付能力,相比现有感知平台降低了时间复杂度和任务发布成本。

基于Tangle网络的群智感知用户可信激励方法

随着群智感知技术的广泛应用,用户参与度成为影响群智感知技术发展的关键问题,提出一种基于Tangle网络的群智感知用户可信激励方法.首先,基于Tangle网络构建群智感知网络模型,通过去中心化的Tangle网络来克服群智感知平台面临可信第三方参与的安全隐患,制定Tangle网络的可信度标准.然后,通过可信度来衡量用户权重,借此来评估交易的可信性,将感知任务分配给更可信的用户.最后,对用户上传的感知数据使用蒙特卡洛最大期望算法量化用户的工作量,支付相应报酬.通过基于真实数据集的仿真实验表明,所提方法能有效激励用户参与感知任务,同RSFP方法和CSII方法相比,所提方法在用户参与度上分别提升了0.379和0.067.