基于设备指纹识别的感知数据可信度评估方法及系统技术方案

本发明专利技术涉及一种基于设备指纹识别的感知数据可信度评估方法及系统。该基于设备指纹识别的感知数据可信度评估方法包括：获取群智任务参与者提交的所有感知报告，所述感知报告包括用户ID、用户声望属性值、感知数据以及指纹数据文件；将所述指纹数据文件输入到LSTM神经网络中生成设备指纹，进而得到初始信任值；对所述感知数据进行处理得到数据相似度；根据所述数据相似度、所述初始信任值和所述用户声望属性值计算得到所述感知数据的可信度。该方法能够在过半感知数据都是在同一设备上提交的低质量伪造数据前提下，提高可信度评估结果精确度。确度。确度。

Method and system of reliability evaluation of perceptual data based on device fingerprint recognition

【技术实现步骤摘要】
基于设备指纹识别的感知数据可信度评估方法及系统


[0001]本申请涉及感知数据可行度评估
，具体而言，涉及一种基于设备指纹识别的感知数据可信度评估方法及系统。

技术介绍

[0002]移动群智感知技术能够利用智能设备闲置的感知资源和计算资源，让用户以参与者身份收集感知任务要求的传感器数据，从而解决发布者的数据收集问题。但在实际的移动群智感知过程中，感知数据的质量无法得到保证。恶意攻击者为破坏移动群智感知平台的感知功能，违规用户为快速获取任务激励从而提交重复或者伪造的低质量感知数据。低质量感知数据的提交，将会降低感知任务数据聚合结果的精确性，干扰激励分配的公平性，同时影响感知平台的公信力，所以对感知数据进行可信度分析是保证移动群智感知平台正常运行的重要需求之一。恶意攻击者上传的低质量感知数会干扰数据聚合过程，而可信度评估技术能够对感知数据内容进行一定程度的筛选。越接近现实真相的感知数据可信度越高，而可信度越低数据越可能是低质量或者伪造的数据。
[0003]现有的感知数据可信度评估研究忽略了当恶意攻击者数量超过参与任务的用户数量一半时产生的可信度评估偏差。

技术实现思路

[0004]要解决的技术问题
[0005]本申请的主要目的在于提供一种基于设备指纹识别的感知数据可信度评估方法及系统，该方法能够在过半感知数据都是在同一设备上提交的低质量伪造数据前提下，提高可信度评估结果精确度。
[0006]根据本申请实施例一个方面，提供了一种基于设备指纹识别的感知数据可信度评估方法，包括：<br/>[0007]步骤S1：获取群智任务参与者提交的所有感知报告，所述感知报告包括用户ID、用户声望属性值、感知数据以及指纹数据文件；
[0008]步骤S2：将所述指纹数据文件输入到LSTM神经网络中生成设备指纹，进而得到初始信任值；
[0009]步骤S3：对所述感知数据进行处理得到数据相似度；
[0010]步骤S4：根据所述数据相似度、所述初始信任值和所述用户声望属性值计算得到所述感知数据的可信度。
[0011]进一步地，在所述步骤S1中，
[0012]所述用户ID为每份所述感知报告持有者的标识；
[0013]所述感知数据是用户完成感知手动填写或者提交的数据；
[0014]所述用户声望属性值为参与者在接受感知任务之前的声望值；
[0015]所述指纹数据文件是群智应用通过操作系统提供的API直接获取的加速度传感器
和陀螺仪传感器数据，再经过应用处理后打包形成的文件。
[0016]进一步地，所述步骤S2包括：
[0017]步骤S21：通过采样的方法，对所述指纹数据文件中的加速度传感器和陀螺仪传感器数据将时间戳对齐；
[0018]步骤S22：将所述指纹数据文件处理成符合LSTM指纹特征提取网络输入格式的15
×
6的数据批次；
[0019]步骤S23：对设备指纹的特征进行提取，统计具有相同设备类标识符的所述感知报告并计算得到所述初始信任值。
[0020]进一步地，在所述步骤S23中，所述初始信任值的计算公式为：
[0021][0022]其中，fp
id
为所述指纹数据文件，Q是统计函数，γ为可信度级别的划分因子，σ为统计量的容错因子，itv为所述初始信任值。
[0023]进一步地，在所述步骤S3中，所述数据相似度的计算公式为：
[0024][0025]其中，S为所述数据相识度计算函数，X和Y代表不同两份所述感知报告，x
n
和y
n
表示所述感知报告的数据第n个维度上的值。
[0026]进一步地，在所述步骤S4中，所述可信度的计算公式为：
[0027][0028]其中，T为可信度，r为所述用户声望属性值，S是数据相识度计算函数，itv是所述初始可信度值，d为所述感知数据，e为常数，N为设备的类标识符数。
[0029]根据本申请实施例的另一方面，提供了一种基于设备指纹识别的感知数据可信度评估系统,包括：
[0030]读取模块，用于获取群智任务参与者提交的所有感知报告，所述感知报告包括用户ID、用户声望属性值、感知数据以及指纹数据文件；
[0031]第一数据处理模块，用于将所述指纹数据文件输入到LSTM神经网络中生成设备指纹，进而得到初始信任值；
[0032]第二数据处理模块，用于对所述感知数据进行处理得到数据相似度；
[0033]第三数据处理模块，用于根据所述数据相似度、所述初始信任值和所述用户声望属性值计算得到所述感知数据的可信度。
[0034]进一步地,所述初始信任值的计算公式为：
[0035][0036]其中，fp
id
为所述指纹数据文件，Q是统计函数，γ为可信度级别的划分因子，σ为统计量的容错因子，itv为所述初始信任值。
[0037]进一步地,所述数据相似度的计算公式为：
[0038][0039]其中，S为所述数据相识度计算函数，X和Y代表不同两份所述感知报告，x
n
和y
n
表示所述感知报告的数据第n个维度上的值。
[0040]进一步地,所述可信度的计算公式为：
[0041][0042]其中，T为可信度，r为所述用户声望属性值，S是数据相识度计算函数，itv是所述初始可信度值，d为所述感知数据，e为常数，N为设备的类标识符数。
[0043]相对于现有技术而言，本申请的技术方案至少具备如下技术效果：
[0044]该方法可以在任务发布者发布感知任务时，利用平台收集指定数量的感知报告。接下来使用“指纹数据文件”输入到LSTM神经网络中生成设备指纹，得到初始信任值。然后，将所有用户提交的“感知数据”计算得到数据的相似度。最后根据数据相似度、初始可信度值和用户声望属性值计算得到最终的感知报告可信度。也即是说，该方法能够在过半感知数据都是在同一设备上提交的低质量伪造数据前提下，提高可信度评估结果精确度。
附图说明
[0045]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0046]图1为本申请实施例公开的基于设备指纹识别的感知数据可信度评估框架结构图；
[0047]图2为本申请实施例公开的基于设备指纹识别的感知数据可信度评估方法流程图；
[0048]图3为本申请实施例公开的结合可信度评估的群智感知任务流程图；
[0049]图4为本申请公开的感知报告组成图；
[0050]图5为本申请实施例公开的基于设备指纹识别的感知数据可信度评估系统的示意图。
具体实施方式
[0051]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于设备指纹识别的感知数据可信度评估方法，其特征在于，包括：步骤S1：获取群智任务参与者提交的所有感知报告，所述感知报告包括用户ID、用户声望属性值、感知数据以及指纹数据文件；步骤S2：将所述指纹数据文件输入到LSTM神经网络中生成设备指纹，进而得到初始信任值；步骤S3：对所述感知数据进行处理得到数据相似度；步骤S4：根据所述数据相似度、所述初始信任值和所述用户声望属性值计算得到所述感知数据的可信度。2.根据权利要求1所述的基于设备指纹识别的感知数据可信度评估方法，其特征在于，在所述步骤S1中，所述用户ID为每份所述感知报告持有者的标识；所述感知数据是用户完成感知手动填写或者提交的数据；所述用户声望属性值为参与者在接受感知任务之前的声望值；所述指纹数据文件是群智应用通过操作系统提供的API直接获取的加速度传感器和陀螺仪传感器数据，再经过应用处理后打包形成的文件。3.根据权利要求1所述的基于设备指纹识别的感知数据可信度评估方法，其特征在于，所述步骤S2包括：步骤S21：通过采样的方法，对所述指纹数据文件中的加速度传感器和陀螺仪传感器数据将时间戳对齐；步骤S22：将所述指纹数据文件处理成符合LSTM指纹特征提取网络输入格式的15
×
6的数据批次；步骤S23：对设备指纹的特征进行提取，统计具有相同设备类标识符的所述感知报告并计算得到所述初始信任值。4.根据权利要求3所述的基于设备指纹识别的感知数据可信度评估方法，其特征在于，在所述步骤S23中，所述初始信任值的计算公式为：其中，fp
id
为所述指纹数据文件，Q是统计函数，γ为可信度级别的划分因子，σ为统计量的容错因子，itv为所述初始信任值。5.根据权利要求1所述的基于设备指纹识别的感知数据可信度评估方法，其特征在于，在所述步骤S3中，所述数据相似度的计算公式为：其中，S为所述数据相识度计算函数，X和Y代表不同两...

【专利技术属性】
技术研发人员：於志文，廖佳豪，崔禾磊，郭斌，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：