基于同态加密和联邦学习的移动群智感知隐私保护研究.pdfVIP

摘要

摘要

移动群智感知是利用多个智能移动设备进行数据感知的新兴技术，随着移动互联

网和移动智能设备的发展，得到了广泛关注，现已被应用于交通监测、地震检测、医

疗保健等领域。然而，移动群智感知的位置信息收集和感知数据的共享会给感知用户

带来严重的隐私泄露问题。为了解决感知工人的位置隐私泄露问题，现有的工作主要

采用了加密和差分隐私技术，保护了工人的位置隐私，但任务的位置隐私并没有得到

很好的解决，并且现有的方案在利用Paillier算法计算任务与工人的距离时出现错误解

密的问题。此外，将分布式机器学习应用于移动群智感知网络时，攻击者可以根据训

练好的模型参数推断出感知参与者的个人隐私信息，特别是现有的方案并没有解决训

练模型参数的正负性信息泄露问题。本文针对上述两个主要问题进行了深入研究，主

要工作内容如下。

1Paillier

（）针对感知系统中工人和任务的位置信息泄露问题，以及在利用算法