一种基于QL学习策略面向MDU隐私数据保护的流量补偿激励方法.pdfVIP

下载本文档

3
0
约2.88万字
约 22页
2023-05-31 发布于四川
举报
版权申诉

一种基于QL学习策略面向MDU隐私数据保护的流量补偿激励方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种基于QL学习策略面向MDU隐私数据保护的流量补偿激励方法。设计MCS与MEC相结合的系统架构，通过EC将感知结果上传到MCS云，减少MCS云开销。构建一种基于MCMC的本地差分隐私属性相关性保护模型，生成属性相关性精确度更高的感知结果，并保护MDU隐私数据安全。设计基于QL机会协作传输的MDU隐私数据保护的流量补偿激励架构，减少MCS云的流量补偿开销，提高MDU参与积极性。与现有的高维属性数据隐私保护、机会中继感知激励等方法实验比较，QLPPIA方法平均提高感知结果准确性29.4％，降低MC

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111723402 A (43)申请公布日 2020.09.29 (21)申请号 202010570068.9 (22)申请日 2020.06.21 (71)申请人天津理工大学地址