排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
群智感知中,任务发布者基于有限的任务预算招募合适的参与者来执行感知任务.但是,现有的相关工作依赖于可信第三方来执行参与者选择或者忽视了参与者位置隐私泄露问题.为了解决这些问题,本文提出一种基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法LPWS.通过保序加密和Merkle树来为参与者提供个性化的位置隐私保护,确保参与者将精确位置隐藏于隐匿区域.在有限的任务预算下,LPWS将参与者选择问题建模为目标优化问题,并基于动态规划来确定一组合适的参与者以增加高质量感知数据获取的可能性.此外,在保证数据隐私和奖惩公平性下,LPWS基于数据质量评估结果完成报酬支付和信誉更新,从而激励参与者尽可能地提供高质量数据.仿真实验表明,LPWS在参与者选择方面具有可行性与有效性,保证了安全公平的参与者选择以及数据质量评估.与相关工作对比,在有限的任务预算下,LPWS不仅取得了更好的质价比,而且在确保任务完成质量的同时提供了位置隐私保护和数据隐私保护. 相似文献
2.
论文主要研究的是基于Q-learning算法生成一种动态寻找最优攻击路径的方法,并且能够提高攻击方法的高效性与适应性.以Q-learning算法为基础,参考网络连通性,通过分区的手段,利用删除网络拓扑中不可达的路径的化简方法,并通过机器学习的方式模拟黑客攻击,将状态与动作结合,在不断地学习中能够提高自身的适应与决策能力... 相似文献
3.
随着汽车保有量的持续增长和道路交通的饱和,车联网被视为有效提高交通效率,改善驾乘体验的有效技术之一.认证密钥协商协议是保证车载单元(onboard unit, OBU)与各种信息服务器安全交互的关键手段.通常,认证密钥协商协议所需的密钥被存储于OBU中.然而,由于车辆常处于无人值守状态, OBU失盗事件时有发生.因此,如何确保私钥的存储安全是一个具有挑战性的难题.为了解决上述问题,本文提出了基于不经意伪随机函数(oblivious pseudorandom functions, OPRF)和两方协同签名的抗捕获认证密钥协商协议.借助于两方协同签名,私钥被分成两个部分,一部分使用辅助设备的公钥加密,另一部分通过OBU和辅助设备运行OPRF协议才能恢复.由于OBU中没有存储任何秘密信息,即使OBU被盗取,攻击者仍然无法获取私钥.本文对提出的方案进行了全面的安全性分析和性能比较.结果表明所提出的方案可以抵抗各种已知的攻击,特别是设备被捕获导致的密钥泄露.此外,所提出的方案可以实现计算开销和通信开销的平衡. 相似文献
1