一种基于深度强化学习和区块链的空间众包方法技术

本发明专利技术公开了一种基于深度强化学习和区块链的空间众包方法；本发明专利技术空间众包层通过用户信用管理机制对用户端进行管理，并且通过任务分类和分级管理方法对众包任务进行管理；区块链层基于Hyperledger Fabric构建私有区块链，将所述众包任务作为交易存储在所述区块链上；DRL层选择可靠的任务接收者，并动态选择区块链的块大小、块生成时间和块生成节点；本发明专利技术将深度强化学习DRL和区块链相结合，以保护车联网下众包任务的隐私为目标，能够确保隐私安全；同时，在各种场景下，本发明专利技术均具有较高的任务分配精度和较低的开销。任务分配精度和较低的开销。任务分配精度和较低的开销。

【技术实现步骤摘要】
一种基于深度强化学习和区块链的空间众包方法


[0001]本专利技术涉及车联网
，特别涉及一种基于深度强化学习和区块链的空间众包方法。

技术介绍

[0002]智能交通系统(ITS)是一个很有前景的范例，可以提供先进的车辆应用，如实时交通监控和智能道路。在此背景下，车联网作为物联网(IoT)和车联网的结合，受到了业界的广泛关注。车联网旨在加强车、人、路和互联网之间关于车辆状态、道路状况、交通等信息的收集和交流。为满足车联网的实际应用需求，软件定义网络(SDN)以其灵活、自动化的网络管理特性应用于汽车联网。软件定义车联网(SDN
‑
IoV)架构是SDN与车联网的融合，以应对车联网的车辆数量增长和多样化的业务需求。
[0003]有效的数据采集和处理是许多车联网应用的前提。空间众包技术已在MEC支持的SDN
‑
IoV中得到应用，适用于城市规划、智能导航、交通监控等不同应用领域。在空间众包中，任务接收者接受分配的任务，然后收集数据并上传到任务服务器。在接收到任务数据后，任务服务器对数据进行处理，提取有用的信息并将其反馈给任务请求者。在支持MEC的SDN
‑
IoV中，部署了分层的SDN架构，将不同级别的任务分配给控制模块，以提高任务完成的效率和减少任务响应的延迟。不同的应用产生大量的数据，而任务提供者和接收者(如车辆)可能不完全可信，因此在空间众包过程中，任务提供者和接收者的隐私可能被暴露。MEC支持的SDN
‑
IoV的空间众包在隐私和安全方面仍有未解决的问题。
[0004]综上所述，如何保护空间众包数据隐私已经成了亟待解决的问题。
[0005]目前，在该领域取得了一些研究成果。Wu等(H.
‑
Q.Wu,L.Wang,andG.Xue,“Privacy
‑
awaretaskallocationanddataaggregationinfog
‑
assistedspatialcrowdsourcing,”IEEETransactionsonNetworkScienceandEngineering,2019.)结合雾计算和同态加密技术，提出了一种任务分配策略来防止任务分配服务器获取私有信息。Liu等人(A.Liu,W.Wang,S.Shang,Q.Li,andX.Zhang,“Efficienttaskassignmentinspatialcrowdsourcingwithworkerandtaskprivacyprotection,”GeoInformatica,vol.22,no.2,pp.335
‑
362,2018)提出一种通过同态加密算法加密数据，同时保证请求者和任务隐私的任务分配协议。Zhao等人(Y.Zhao,K.Zheng,Y.Li,H.Su,J.Liu,andX.Zhou,“Destinationawaretaskassignmentinspatialcrowdsourcing:Aworkerdecompositionapproach,”IEEETransactionsonKnowledgeandDataEngineering,doi:10.1109/TKDE.2019.2922604,2019.)提出了空间众包任务总数最大化的方法，将复杂的工人依赖图分解成较小的独立工人集群，使用树形构造算法来实现任务分配的目的。Buttet等人(T.A.Butt,R.Iqbal,K.Salah,M.Aloqaily,andY.Jararweh,“Privacymanagementinsocialinternetofvehicles:Review,challengesandblockchainbasedsolutions,”IEEEAccess,vol.7,pp.79694
‑
79713,2019.)从不同角度讨论了车联网环境下隐私保护的本质，并分析了现有的基于区块链的隐私保护方法。
Hu等人(J.Hu,H.Lin,X.Guo,andJ.Yang,“Dtcs:Anintegratedstrategyforenhancingdatatrustworthinessinmobilecrowdsourcing,”IEEEInternetofThingsJournal,vol.5,no.6,pp.4663
‑
4671,2018.)提出了一种基于数据可信度的数据感知策略，以提高感知用户的信誉，降低隐私攻击的概率，从而实现数据隐私保护。Wang等人(J.Wang,Z.Cai,andJ.Yu,“Achievingpersonalizedk
‑
anonymitybasedcontentprivacyforautonomousvehiclesincps,”IEEETransactionsonIndustrialInformatics,vol.16,no.6,pp.4242
‑
4251,2020.)通过设计基于内容隐私、分组和群内机制的个性化k
‑
匿名机制，实现了隐私保护的目的。qian等人提出了一种基于区块链的隐私保护内容缓存架构，通过采用区块链技术记录完成的内容交易，在共识机制完成后写入块，解决了内容缓存过程中用户隐私数据泄露的问题。Hadian等人(M.Hadian,T.Altuwaiyan,X.Liang,andH.Zhu,“Privacy
‑
preservingtaskschedulingfortime
‑
sharingservicesofautonomousvehicles,”IEEETransactionsonVehicularTechnology,vol.68,no.6,pp.5260
‑
5270,2019.)提出了一种隐私感知的任务调度方案，通过选择中间目的地(ID)，对自动驾驶汽车所有者和自动驾驶汽车请求者进行隐私保护匹配。虽然这些工作有助于保护隐私的空间众包，但仍然存在以下挑战：
[0006] (1)如何防止敏感任务在任务释放和分配过程中所包含的隐私信息泄露。
[0007] (2)如何防止服务器单点故障问题导致的隐私泄露。

技术实现思路

[0008]本专利技术所要解决的技术问题是：提供一种基于深度强化学习和区块链的空间众包方法，能有效保护空间众包数据的隐私安全。
[0009]为了解决上述技术问题，本专利技术采用的技术方案为：
[0010]一种基于深度强化学习和区块链的空间众包方法，包括：
[0011]S1、空间众包层通过用户信用管理机制对用户端进行管理，并且通过任务分类和分级管理方法对众包任务进行管理；
[0012]S2、区块链层基于HyperledgerFabric构建私有区块链，将所述众包任务作为交易存储在所述区块链上；
[0013]S3、DRL层选择可靠的任务接收者，并动态选择区块链本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度强化学习和区块链的空间众包方法，其特征在于，包括：S1、空间众包层通过用户信用管理机制对用户端进行管理，并且通过任务分类和分级管理方法对众包任务进行管理；S2、区块链层基于Hyperledger Fabric构建私有区块链，将所述众包任务作为交易存储在所述区块链上；S3、DRL层选择可靠的任务接收者，并动态选择区块链的块大小、块生成时间和块生成节点。2.根据权利要求1所述的一种基于深度强化学习和区块链的空间众包方法，所述空间众包层分为任务管理模块和用户管理模块，其特征在于，所述空间众包层通过所述任务管理模块和所述用户管理模块将任务和所述用户端划分为不同的安全级别，并在所述众包任务的发布和分配过程中进行不同的管理。3.根据权利要求1所述的一种基于深度强化学习和区块链的空间众包方法，所述区块链层包括子链机制和去中心化的服务器模块，其特征在于，所述子链机制为不同安全级别的所述众包任务构建不同的子链，所述去中心化的服务器模块作为去中心化的服务器管理所述子链上的所述众包任务和所述用户端信息。4.根据权利要求1所述的一种基于深度强化学习和区块链的空间众包方法，所述DRL层上包括众包任务分配模块和性能改进模块，其特征在于，所述DRL层通过所述众包任务分配模块和性能改进模块进行所述众包任务的分配。5.根据权利要求1所述的一种基于深度强化学习和区块链的空间众包方法，其特征在于，所述步骤S1具体包括：S11、在任务分级阶段，所述空间众包层根据预先定义的任务隐私安全需求和任务区域，将所述众包任务划分不同的任务类别；S12、在分级管理阶段，所述空间众包层基于Hyperledger Fabric，将多子链结构作为为分布式服务器，进行所述众包任务的分级管理，并将不同类别的所述众包任务放入不同的子链。6.根据权利要求5所述的一种基于深度强化学习和区块链的空间众包方法，其特征在于，步骤S2包括：将所述用户端、所述子链与所述众包任务分为多个对应级别，并将所述众包任务与所述用户端的信息存入对应的所述子链中，所述用户端仅能搜索到与所述用户端的级别对应的所述众包任务。7.根据权利要求1所述的一种基于深度强化学习和区块链的空间众包方法，其特征在于，所述步骤S3具体包括：S31、采用DRL技术，根据申请...

【专利技术属性】
技术研发人员：林晖，胡嘉，汪晓丁，妙秦阳，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：