度研究进展报告.pdfVIP

隐私保护、服务质量和系统收益优化是决定群智感知应用成败不可或缺的因

素。为此，本项目的主要研究目标是提出一个面向群智感知的考虑用户隐私和服

务质量约束的收益优化算法，从激励机制、任务调度、隐私保护、感知数据真实

性评估等多个角度入手，设计一个综合的最大化系统收益的算法框架。在收益优

化框架中，同时考虑用户隐私和服务质量约束以消除参与用户对隐私泄漏的担忧，

有效提高用户满意度从而最大程度激励用户的积极参与，确保感知数据真实有效。

按照研究，2016年项目组进行了广泛的调研和研究资料的收集分析工

作。特别的，为了更好的促进项目的顺利开展，项目组加大了对国际前沿工作

的跟进以及与国际的交流及合作。2016年度，项目组举办了一次大规模的

Workshop，邀请了新加坡南洋理工大学、亚利桑那州立大学、纽约州立大

究人员和国内的浙江大学、交通大学、暨南大学、大学、电

子设备工程公司、电信等知名院校和科研机构的、杰出青年学

者对项目的相关研究进行了广泛深入的讨论。项目组已经提出了一个预算

成本函数化、基于全支付竞拍的最大化系统收益的激励机制。项目组在激励机

制的设计中，充分考虑了群智感知应用的实际情况，有效建模了用户数量不确

定，用户随机到达，提交竞价时间任意，用户信息不对称、不完全，用户风险

偏好模式多样等现实因素。在此基础上，项目组引入了预算成本函数化的概

念，以克服常量化预算成本的。通过对群智感知中服务质量的建模，项目

组提出一个全支付竞拍的最大化系统收益的激励机制，同时考虑用户隐私和服

务质量约束。

总体而言，项目研究进度符合研究要求，项目组针对以上研究内容，正

在准备群智感知中收益优化、激励机制的理论分析和实验。此外，2016年项目组

在移动无线、设备等的数据安全方面还取得以下研究成果：

1）属性基加密（ABE）是一个能够在密文上实现更具表达性策略控制的

有效工具，但是由于密文的大小和的消耗及策略的复杂度成正比的特性，

使得这种方法不是很适合于等移动设备。为了解决这一问题，Green、

Hohenberger和waters提出了一个变种的ABE，称为带有外包的属性基加

密（OD-ABE）。一方面，OD-ABE允许一个者在拥有用户给定的转换密钥时，

能够简化ABE的密文（该用户的属性需满足该密文的策略）；另一方面，这

种转换也使得OD-ABE在提高到CCA安全（CCA安全通常被认为是加密系统中标

准的安全级别）时变得很。然而，现有OD-ABE只取得了再随机化（replayable）

CCA安全。为此，项目组提出了一个对于OD-ABE的CCA安全模型和在该模型下

的一个具体方案，该安全性的提升将极大促进OD-ABE的广泛应用。相关研究成

果在知名国际会议ACISP2016上。

2）随着物联网（IoT）的流行，雾计算应运而生。雾计算不是云计算的替代

平台而是它的扩展，它在云计算的基础设施中了一个被称为雾的中间层来取

得低延迟、灵活性和位置感知。由于雾层的存在，在雾计算平台中的敏感数

据着比云计算平台更加复杂的，例如CCA。目前，OD-ABE是物联

网中的数据保护最好的措施。然而，现有的OD-ABE都不是CCA安全。为了解决

这一问题，项目组首次提出了对于OD-ABE的CCA安全模型，紧接着我们提出了

一个在该模型下安全的具体方案。安全性分析和实验结果表明我们的方案在雾计

算下是安全和实用的。相关研究成果