基于区块链的隐私保护多任务数据聚合方案PP-MAD：面向智慧城市移动群智感知的高效安全计算

针对移动群智感知(MCS)中多任务请求方(TRs)场景下的数据隐私保护难题，研究人员提出基于区块链的PP-MAD方案。该方案通过中国剩余定理(CRT)和智能合约实现多类型聚合（包括加权平均、方差等），在保护工作者决策隐私和TRs聚合结果隐私的同时，显著降低计算开销。实验证明其较现有方案提升效率达30%，为智慧城市物联网应用提供重要技术支撑。

　　

随着智慧城市建设的加速，移动群智感知(MCS)已成为环境监测、智能交通等领域的关键技术。然而，在多任务请求方(TRs)并发的场景下，传统数据聚合方法面临严峻挑战：一方面，工作者上传的含位置、健康等敏感信息的数据易遭泄露；另一方面，各TRs视聚合结果为商业机密，现有方案无法同时保护工作者与多方TRs的隐私。更棘手的是，实际应用常需支持方差、加权平均等复杂聚合类型，而当前多数方案仅能处理简单求和运算。

针对这些问题，广东工业大学的研究团队在《Computer Standards》发表论文，提出基于区块链的PP-MAD方案。该方案通过三重创新突破技术瓶颈：首先采用中国剩余定理(CRT)实现多维度数据融合，使单次通信即可完成跨任务聚合；其次设计非交互式密钥协商机制，通过智能合约自动生成盲化因子，消除可信第三方依赖；最后扩展聚合算子库，首次在隐私保护前提下支持方差等5类统计运算。实验显示其计算效率较同类方案提升1.8倍，且能抵御合谋攻击。

关键技术方法包括：1) 基于区块链的智能合约实现自动化密钥管理；2) 中国剩余定理(CRT)构建多任务数据融合框架；3) 盲化因子技术保护工作者决策隐私；4) 轻量级同态加密确保TRs结果机密性。研究使用包含43万条模拟数据的测试集验证方案，涵盖智能交通和环境监测等典型场景。

【系统模型】
构建包含TRs、感知平台(SP)和工作者三方的架构。通过区块链智能合约实现TR-worker密钥协商，每个工作者为不同TRs生成独立盲化因子v_i,j，确保任务参与隐私。

【PP-MAD设计】
核心采用CRT将多任务数据编码为ψ₁,...,ψ_l线性同余方程组。工作者上传形式为C_i=∑(m_i^(k)+v_i,k)?_k的融合密文，SP通过模Ψ运算解耦各TRs数据。加权聚合时引入ω_k参数实现权重分配。

【安全分析】
证明方案满足IND-CPA安全：攻击者无法区分m₁^(k)与m₂^(k)的密文，且工作者密钥v_i,k的熵值≥128bit。即使50%工作者合谋，TRs结果隐私仍可保证。

【性能评估】
在1000节点测试中，PP-MAD完成方差聚合仅需218ms，较文献[11]的398ms提升45%。通信开销随任务数线性增长，但斜率仅为传统方案的1/3。

该研究开创性地解决了MCS领域三大难题：1) 首次实现隐私保护下的多类型聚合；2) 通过区块链消除单点故障风险；3) 提出非交互式密钥管理新范式。法国数据泄露事件表明，PP-MAD的技术路线对保障公民隐私权具有重要现实意义。作者Xingfu Yan团队指出，未来可扩展至联邦学习场景，进一步探索CRT在跨平台数据协作中的潜力。