隐私保护的群体感知数据交易算法

为解决群体感知数据交易模式下参与者数据隐私泄露的问题，提出了一种隐私保护的群体感知数据交易算法。首先，为实现对参与者的隐私保护，设计了基于差分隐私的聚合方案，参与者不再需要上传原始数据，而是按照任务需求对收集的数据进行分析和计算，将任务结果按照平台分配的隐私预算添加噪声后发送给平台；其次，为确保参与者的可信性，构建了参与者的信誉模型；最后，为激励消费者和参与者参与交易，在考虑消费者对结果偏差的容忍约束和参与者的隐私泄露补偿的基础上构建了交易优化模型以优化平台的收益，并给出了基于遗传算法的收益优化算法（POA）来求解该模型。仿真结果表明，POA不仅保护了参与者的隐私，而且在平台的收益方面相比于VENUS和DPDT分别提高了29.27%和20.45%。