可验证且稳健的物联网众包感知中隐私保护的多维真值发现方法

《IEEE Internet of Things Journal》：Verifiable and Robust Privacy-Preserving Multidimensional Truth Discovery for IoT Crowdsensing

　　

摘要：

随着物联网设备的迅速普及，群感技术被广泛应用于分布式数据收集领域。在从各种来源获取的数据中推断出可靠信息时，真值发现技术起着至关重要的作用。然而，现有的隐私保护型真值发现方案存在诸多问题，如验证效率低、权重策略有限、鲁棒性不足以及额外开销过大。在本文中，我们提出了一种名为VRPMTD的可行、鲁棒且具备隐私保护功能的多元真值发现框架。通过基于中国剩余定理的对多维测量数据与承诺信息的打包处理，结合线性同态哈希技术，我们实现了可扩展的验证机制，使得数据请求方能够批量验证汇总结果。为提升准确性，我们设计了一种新的权重分配机制，该机制利用高斯径向基函数残差和滑动窗口时间损失函数，使节点的权重能够反映其长期可靠性及近期表现。此外，该框架还能在面对实际传感器故障和网络问题时保持较强的鲁棒性。为提高效率，我们采用了轻量级的双层加密机制以及基于差异的上传策略。正式的安全分析表明，VRPMTD能够保障节点原始测量数据的输入级保密性，并确保外包汇总结果的真实性。在真实世界数据集及物联网设备上的大量实验结果表明，VRPMTD在降低额外开销的同时，仍能实现更高的准确度。

I. 引言

随着通信技术的快速发展以及物联网设备的日益普及，预计到2026年底全球连接的物联网设备数量将达到约239亿台，而到2030年这一数字还将进一步上升至约390亿台[1]。移动群感技术已成为一种广泛采用的解决方案，用于从资源受限且类型多样的传感器中收集大规模数据。不过，一个主要挑战在于不同传感器之间存在的差异。由于硬件可靠性不同、通信干扰、传感器故障以及设备校准差异等原因，同一对象的测量结果可能会出现较大偏差。为解决这些差异，真值发现技术能够帮助从多个可能存在冲突的数据源中推断出更准确的数值，即所谓的“真实值”。其基本原理是：如果某个节点报告的数据与真实值非常接近，那么该节点就会获得更高的可信度权重，从而体现其更高的可靠性。通过为不同的数据源赋予不同的可信度权重，真值发现技术能够削弱噪声或偏差样本的影响，相比传统聚合方法能得到更可靠的结果。然而，传感器数据往往包含诸如节点的教育背景、家庭位置以及身份信息等敏感内容。如果没有适当的保护措施，直接将这些数据用于真值发现技术中可能会导致严重的隐私泄露，进而损害节点的信任度并降低其参与意愿。