【技术实现步骤摘要】
本专利技术涉及用户信誉的计算、混合式用户选择、数据质量检测。具体涉及一种移动群智感知中基于区块链的混合式用户选择方案。
技术介绍
1、移动群智感知(mcs)是指通过移动设备与网络的结合，将周围的环境信息进行采集和分析的一种新的大规模感知模式。它利用人们普遍拥有的移动设备，如智能手机、平板电脑等，通过软件应用程序，对周围环境的诸多参数进行感知和采集。mcs的最大特点在于其高效、廉价且普及。传统的数据获取方式通常需要昂贵的专业设备或专业人员，而mcs则可通过普及的移动设备以及开源的软件平台实现。此外，mcs还具有良好的实时性和灵活性，能够实现对不同场景和不同需求的快速适应。随着传感器丰富的智能设备的普及，移动群智感知(mcs)近年来逐渐受到研究界的关注。用户选择是mcs系统中一个重要的研究课题，对整个系统的设计和实现有着重要的影响。用户选择的主要问题是如何在感知质量和成本之间取得平衡，在平台给出的成本和时间预算约束下最大化mcs任务的感知覆盖范围以及任务完成率。
2、下面是移动群智感知中基于区块链的混合式用户选择方法中所使用的一些技术：
3、区块链(block chain)是一种块链式存储、不可篡改、安全可信的去中心化分布式账本，它结合了分布式存储、点对点传输、共识机制、密码学等技术，通过不断增长的数据块链(blocks)记录交易和信息，确保数据的安全和透明性。区块链起源于比特币(bitcoin)，最初由中本聪(satoshi nakamoto)在2008年提出，作为比特币的底层技术。从诞生初期的比特币网络开
4、循环神经网络(recurren tneural networks,rnn)是一类具有短期记忆能力的神经网络。在循环神经网络中，神经元不但可以接受其它神经元的信息，也可以接受自身的信息，形成具有环路的网络结构。和前馈神经网络相比，循环神经网络更加符合生物神经网络的结构。循环神经网络已经被广泛应用在语音识别、语言模型以及自然语言生成等任务上。
5、长短期记忆网络(long short-term memory,lstm)是一种特殊的rnn。与传统的rnn相比，lstm更加适用于处理和预测时间序列中间隔较长的重要事件。传统的rnn结构可以看做是多个重复的神经元构成的“回路”，每个神经元都接受输入信息并产生输出，然后将输出再次作为下一个神经元的输入，依次传递下去。这种结构能够在序列数据上学习短时依赖关系，但是由于梯度消失和梯度爆炸问题，rnn在处理长序列时难以达到很好的性能。而lstm通过引入记忆细胞、输入门、输出门和遗忘门的概念，能够有效地解决长序列问题。记忆细胞负责保存重要信息，输入门决定要不要将当前输入信息写入记忆细胞，遗忘门决定要不要遗忘记忆细胞中的信息，输出门决定要不要将记忆细胞的信息作为当前的输出。这些门的控制能够有效地捕捉序列中重要的长时间依赖性，并且能够解决梯度问题。
6、半马尔可夫链(semi-markov chain)是一种与马尔可夫链相似的随机过程，但是与马尔可夫链不同的是，半马尔可夫链的状态在转移的时间间隔上是不固定的，而是在一些时间间隔上停留在当前状态。具体地说，在半马尔可夫链中，状态转移概率和停留时间是独立的随机变量。半马尔可夫链主要应用于那些状态转移不是瞬间发生的情况，而是需要一个随机时间间隔来描述的情况。典型的应用包括生存分析、可靠性建模、金融风险建模等领域。在这些应用中，半马尔可夫链可以用来建立状态转移和时间之间的关系，以及计算各种事件发生的概率和期望时间等指标。
7、在以往的工作中，大多数用户选择算法要么遵循机会式用户选择，要么遵循参与式用户选择。机会式用户选择涉及选择那些无意识地按照日常移动模式执行任务的用户，而参与式用户选择涉及选择那些有意识地移动到平台分配的任务位置以完成任务的用户。机会性用户选择可以让每个用户去更多的感知区域完成更多的任务。然而，在机会性用户选择中，任务分配的质量很大程度上取决于用户的日常轨迹。对于用户很少访问或从未访问过的子区域，感知质量可能很低，而且在用户众多的子区域很容易出现数据冗余。参与式用户选择可以使用户前往数据稀少的地区，从而解决数据收集不平衡的问题。然而，参与式用户选择会产生额外的激励成本，并打击那些希望在不改变自身轨迹的情况下完成任务的用户的积极性。基于这两种用户选择的互补性，在最近的用户选择研究中，研究人员提出了一种混合式用户选择。试图通过两阶段设计将机会主义用户选择和参与式用户选择有效地结合起来。在离线阶段，机会主义用户执行日常路线上的感知任务，而在在线阶段，参与式用户被分配到机会主义用户未完成任务所处的感知子区域。与单一机会型用户选择和单一参与型用户选择相比，这种混合型用户选择能更灵活地适应环境变化，同时更好地平衡感知成本和质量。虽然混合用户选择发展迅速并取得了可喜的成果，但仍有几个关键问题有待研究。1)现有的基于混合式用户选择的mcs系统都采用集中式架构。这种集中式系统存在单点故障，无法确保高可靠性。此外，由于采用集中式架构，mcs可能会受到分布式拒绝服务(ddos)攻击等系统安全威胁。2)现有的混合式用户选择忽略了用户可靠性和数据可用性问题。与固定传感器不同，mcs中的移动传感器通常由人员随身携带，在数据收集过程中可能会出现不可靠或恶意行为，因此应避免这些行为。3)现有的混合式用户选择的在线参与式用户选择阶段没有设计合理的激励机制，以保证用户参与任务的个体合理性和积极性，这将极大地影响在线用户选择的质量。
技术实现思路
1、本专利技术包含五个实体：基于区块链的平台，矿工，任务发布者，机会式用户，参与式用户。具体来说，区块链中的智能合约可以接管服务器，管理各种感知任务的运行。任务发布者可以部署特定的智能合约来发布感知任务，机会式用户和参与式用户则可以通过向智能合约上传感知数据来执行感知任务，矿工根据任务发布者制定的异常数据检测规则对用户上传的数据进行检测。
2、为了解决上述技术问题，本专利技术提供一种基于区块链的混合式用户选择方案。为了提供安全可靠的mcs服务，我们使用去中心化的区块链取代传统的中心服务器，让任务发布者和感知用户无需相互信任即可提交安全交易。为了使基于区块链的mcs平台能够收集到高质量的数据，我们系统地构建了基于半马尔科夫的用户信誉计算算法和基于lstm的异常数据检测算法，以确保用户的可靠性和数据的可用性。为了保证参与用户的个体理性，提高他们参与任务的积极性，我们提出了一种基于反向拍卖的参与用户选择算法。相比于传统的混合式用户选择，本方案可以在给定成本和时间的预算约束下，安全可靠地执行混合可靠的用户选择。
【技术保护点】
1.一种移动群智感知中基于区块链的混合式用户选择方案，其特征在于，包括以下步骤：
2.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(1)中任务发布者发布感知任务契约的具体过程为：
3.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(2)中计算候选用户的信誉值的具体过程为：
4.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(3)中离线机会式用户选择的具体过程为：
5.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(4)中在线离线式用户选择的具体过程为：
6.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(5)中用户上传数据的具体过程为：
7.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(6)中矿工验证数据质量的具体过程为：
8.根据权利要求1所述的移动群智感
...【技术特征摘要】
1.一种移动群智感知中基于区块链的混合式用户选择方案，其特征在于，包括以下步骤：
2.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(1)中任务发布者发布感知任务契约的具体过程为：
3.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(2)中计算候选用户的信誉值的具体过程为：
4.根据权利要求1所述的移动群智感知中基于区块链的混合式用户选择方案，其特征在于，所述步骤(3)中离线机会式用户选择的具体过程为：
5.根据权...
【专利技术属性】
技术研发人员：张世文，李治学，任飞翔，张文，陈双，梁伟，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。