一种具有隐私保护功能的、面向信息物理沉浸式网络系统的质量感知数据收集方案

《ACM Transactions on Sensor Networks》：A Quality-Aware Data Collection Scheme with Privacy for Cyber-Physical Immersive Networking Systems

针对元宇宙中虚拟现实沉浸网络系统（CPINS）场景构建所需大量真实数据的问题，提出一种结合隐私保护和信誉校准的数据收集方法。通过两级真值发现机制获取高质量数据，并利用可信用户权重比较而非数据内容识别用户信誉，在保证隐私的同时提升数据质量。实验表明，该方案在隐私保护下的信誉识别准确率达91.5%，数据收集质量提升11%-12.1%。

　　

摘要

在追求网络物理沉浸式网络系统（CPINS）中的沉浸式虚拟体验过程中，构建场景通常需要大量的真实世界数据。移动群体感知（MCS）是元宇宙数据收集的一种有效方法。然而，在MCS中，保护隐私和关注数据质量是两个关键且相互矛盾的问题：保护隐私要求尽可能隐藏用户的个人信息，而关注数据质量则需要尽可能多地了解用户信息以招募高质量的数据收集者。为此，我们提出了一种基于隐私保护和声誉校准的数据收集方案（PPRC-QDC）。在PPRC-QDC方案中，采用了两层真实性发现机制来获取高质量数据。更重要的是，我们提出了一种保护隐私的方法，通过将用户的权重与可信用户进行比较来识别用户的声誉，从而有效区分诚实用户。理论分析证实，我们的PPRC-QDC方案在隐私保护和鲁棒性方面具有更强的优势。在真实世界数据集上进行的广泛实验表明，在保护隐私的前提下，该方案能够以91.5%的准确率识别用户声誉，并将数据收集的质量提高了11.0%-12.1%。