CN108337263B - 一种基于移动群智感知系统的防女巫攻击激励方法 - Google Patents

一种基于移动群智感知系统的防女巫攻击激励方法 Download PDF

Info

Publication number
CN108337263B
CN108337263B CN201810148362.3A CN201810148362A CN108337263B CN 108337263 B CN108337263 B CN 108337263B CN 201810148362 A CN201810148362 A CN 201810148362A CN 108337263 B CN108337263 B CN 108337263B
Authority
CN
China
Prior art keywords
user
users
task
subset
tasks
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810148362.3A
Other languages
English (en)
Other versions
CN108337263A (zh
Inventor
徐佳
王玉婵
吴永琦
吴浩博
欧雅轩
徐力杰
王磊
徐小龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201810148362.3A priority Critical patent/CN108337263B/zh
Publication of CN108337263A publication Critical patent/CN108337263A/zh
Application granted granted Critical
Publication of CN108337263B publication Critical patent/CN108337263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0225—Avoiding frauds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0236—Incentive or reward received by requiring registration or ID from user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于移动群智感知系统的防女巫攻击激励方法，包括任务拥有者和社交网络用户，该方法具体包括：(1)所述任务拥有者通过社交网络向其交邻居广播感知任务；(2)所述社交网络用户向所述任务拥有者提交一个含有报价的标书，同时在社交网络上继续广播任务招募更多的用户参与群智感知；(3)所述任务拥有者根据用户的报价从所有用户中选择出优胜者，并计算相应的报酬；(4)对于成功招募到其他用户的所述用户，向其支付对应的奖励。该方法满足个体理性，防欺骗性和防女巫攻击，可用于注册用户缺乏，尤其是活跃用户数较少的移动群智感知系统。

Description

一种基于移动群智感知系统的防女巫攻击激励方法
技术领域
本发明涉及一种群智感知方法，具体涉及一种基于移动群智感知系统的防女巫攻击激励方法。
背景技术
移动群智感知是利用普通用户的移动感知设备，通过移动互联网，进行有意识和无意识的协作，完成复杂的大型社会感知任务的有效方法。但是大多数的群智感知的模型都假设已经有大量的用户存在于移动群智感知的系统中。但现有的大多数群智感知系统的注册用户数并不多，尤其是活跃用户数仅占总用户数的很少比例。
因为用户在执行感知任务的时候需要消耗设备的能量、计算能力、存储空间、数据流量等，用户需要得到一定数量的激励以抵消这些损失。因此，激励方法的设计在感知任务中十分重要。
发明内容
发明目的：为了克服现有技术的不足，本发明提供一种基于移动群智感知系统的防女巫攻击激励方法，该方法解决了不易注册活跃用户较少的移动群智感知系统的问题，并且满足个体理性，防欺骗性和防女巫攻击。
技术方案：本发明所述的基于移动群智感知系统的防女巫攻击激励方法，移动群智感知系统包括任务拥有者和社交网络用户，所述方法具体包括：
(1)所述任务拥有者通过社交网络向其交邻居广播感知任务；
(2)所述社交网络用户向所述任务拥有者提交一个含有报价的标书，同时在社交网络上继续广播任务招募更多的用户参与群智感知；
(3)所述任务拥有者根据用户的报价从所有用户中选择出优胜者，并计算相应的报酬；
(4)对于成功招募到其他用户的所述用户，向其支付对应的奖励。
优选的，步骤(1)中，所述感知任务表示为：
Figure BDA0001579331670000011
其中，m为所述感知任务的总数，每个所述感知任务
Figure BDA0001579331670000012
对于所述任务拥有者来说都有一个对应的价值vj。
优选的，所述标书表示为：
Figure BDA0001579331670000021
其中，li表示招募用户i的招募者，
Figure BDA0001579331670000022
表示所述用户i声明的可执行任务子集，Γi表示用户i真实的可执行任务子集，bi(.)表示所述用户i对应的报价函数。
优选的，步骤(3)中，所述报酬的计算方法为：
(31)对所有的用户i∈U，其中，社交网络中提交标书的用户集合为U＝{1,2,...,n}执行步骤(32)到步骤(35)；
(32)对所有的
Figure BDA0001579331670000023
执行步骤(33)到步骤(35)；
(33)初始化支付报酬pi,M←0，其中，pi,M为用户i完成任意子集
Figure BDA0001579331670000024
应支付的报酬；
(34)取所有用户
Figure BDA0001579331670000025
的任意子集
Figure BDA0001579331670000026
使得M'∩M≠φ，令
Figure BDA0001579331670000027
其中，V(M')为任务集合M'对于任务拥有者的价值，
Figure BDA0001579331670000028
bh(M')为用户h在任务子集M'下对应的报价函数；
(35)若mi≥0，则pi,M＝V(M)-mi，其中，V(M)任务集合M对于任务拥有者的价值。
优选的，步骤(4)中，所述招募到其他用户的所述用户i的总奖励为：
Figure BDA0001579331670000029
其中，对任意用户k，支付给k的招募者lk的奖励由奖励函数r(Dk)确定。
优选的，所述奖励函数应满足：
所述奖励函数由所述任务拥有者确定，若Dk＝φ，则r(Dk)＝0，并且，若lk为所述任务拥有者，则r(Dk)＝0。
基于移动群智感知系统的防女巫攻击激励方法还包括：
(5)所述任务拥有者选择出优胜者集合，计算所有用户的实际报酬和所有用户的总奖励，具体方法为：
(51)初始化
Figure BDA00015793316700000210
R＝0,D＝0,P＝0，其中，S为优胜者集合，D＝(D1,D2,...,Dn)为分配任务子集，P＝(p1,p2,...,pn)为所有用户的实际报酬，及R＝(R1,R2,...,Rn)所有用户的总奖励；
(52)对所有的i∈U，执行步骤(53)到步骤(55)；
(53)令用户i的分配任务子集
Figure BDA0001579331670000031
其中，ci(M)为所述用户i的任意子集M的真实成本函数；
(54)如果
Figure BDA0001579331670000032
则令S＝S∪{i}，
Figure BDA0001579331670000033
否则令
Figure BDA0001579331670000034
pi＝0，其中，Di为所述用户i所分配的任务子集，
Figure BDA0001579331670000035
为所述用户i完成任务子集Di应支付的报酬；pi为应向所述用户i支付的报酬；
(55)计算用户i相应的所有奖励；
(56)返回优胜者集合S，分配任务子集D＝(D1,D2,...,Dn)，所有用户的实际报酬P＝(p1,p2,...,pn)，及所有用户的总奖励R＝(R1,R2,...,Rn)。
优选的，所述真实成本函数为：
所述用户i的真实成本函数为ci(.)，与被分配给所述用户i的任务子集有关，且满足以下性质：
(1)ci(φ)＝0
Figure BDA0001579331670000036
Figure BDA0001579331670000037
其中，tj是
Figure BDA0001579331670000038
和Γi任务集合的差集，M1、M2为所述感知任务
Figure BDA0001579331670000039
的子集。
有益效果：本发明与现有技术相比，其显著优点是：1、本发明的方法可用于注册用户缺乏，尤其是活跃用户数较少的移动群智感知系统，任务拥有者支付给每个用户的报酬数额一定大于等于该用户所需耗费的真实成本，有利于吸引用户参与移动群智感知，是个人理性的；2、该方法可以防欺骗，当其他用户都提交自身的真实的成本作为报价时，即使某个用户采取某种策略虚报真实成本，也不会使得该用户的效用变高，因此用户提交自身的真实的成本作为报价是一种优势策略。3、该激励方法是防女巫攻击的，当用户伪造出多个身份参与投标都不会提高自身的效用。
附图说明
图1为本发明中任务拥有者和用户之间的反向拍卖的执行方法流程图；
图2为本发明中计算应支付用户报酬的方法流程图；
图3为本发明中计算所有用户的实际报酬和所有用户的总奖励的方法流程图。
具体实施方式
该方法中的系统模型由两部分组成：任务拥有者和社交网络用户，考虑一个任务拥有者，该任务拥有者的社交圈中有一批用户。当该任务拥有者通过社交网络发布一批大规模群智感知任务，而社交圈用户本身不足以完成该批任务。此时任务拥有者将利用这些用户在社交网络中的影响力，在社交网路中扩散群智感知任务。
关注用户向任务拥有者提交一个含有报价的标书，同时在他们的社交网络上广播感知任务以招募更多的参与者，即用户在执行任务的同时，还能招募其他用户。任务拥有者把使得用户效用最大的任务子集作为分配策略进行任务分配，并计算其对应的报酬。假若该用户还成功招募到其他用户，则计算并支付对应的奖励。
首先，定义以下三个概念：
(1)个体理性：由于用户的奖励由外部因素决定，在极端情况下，可能无法招募到用户参与拍卖，或者招募到的用户未被分配任务子集即未被选为优胜者。因此，当每个用户的效用减去获得的奖励是非负的，则称这个激励方法是个体理性的，即ui-Ri≥0，i∈U，其中，Ri表示用户i获得的总奖励，ui为用户i的效用。
(2)真实性：任何用户i∈U不能通过提交虚假的可执行任务子集
Figure BDA0001579331670000041
和虚假报价bi(.)≠ci(.)来提高自身的效用，不管其他用户提交什么标书，即当每个用户声明的可执行任务子集等于真实可执行任务子集，且报价函数等于真实成本函数为该用户的优势策略时，则称这个方法是真实的。
(3)防女巫攻击：任何用户i∈U伪造身份都不会提高自身的效用，即
Figure BDA0001579331670000042
为伪造身份的用户i的效用，则称这个方法是防女巫攻击的。
每个社交网络中的用户都可以通过扩散感知任务来招募用户，直到时刻TL。TL为任务拥有者预选设定的时间。当达到时间TL，任务拥有者根据收到的标书选择出优胜者集合S，计算所有用户的分配任务子集D＝(D1,D2,...,Dn)，计算所有用户的实际报酬P＝(p1,p2,...,pn)，同时计算所有用户的总奖励R＝(R1,R2,...,Rn)。在对成功在社交网络中招募到其他用户的用户进行一定的奖励。
社交网络中的用户可以通过反向拍卖的形式参与执行任务。假设参与拍卖的社交网络用户集为U＝{1,2,...,n}，每个用户根据自身能力，都对应一个可执行任务子集
Figure BDA0001579331670000051
每个用户i∈U提交标书
Figure BDA0001579331670000052
其中，li表示用户i的招募者，如果用户i是任务拥有者的社交邻居，则令li＝0。每个标书只能声明一个招募者。
Figure BDA0001579331670000053
表示用户i声明的可执行任务子集，Γi表示用户i真实的可执行任务子集，bi(.)表示用户i对应的报价函数。假设用户i的真实成本函数为ci(.)，与被分配给用户i的任务子集有关，且满足以下性质：
(1)ci(φ)＝0
Figure BDA0001579331670000054
Figure BDA0001579331670000055
令B＝(B1,B2,...,Bn)表示所有用户的标书。假设用户愿意执行其所提交任务集的任何子集。任务拥有者根据所有用户的标书计算出分配向量D＝(D1,D2,...,Dn)，其中，任意
Figure BDA0001579331670000056
为分配给用户i的任务子集。支付给用户i的相应的报酬为pi。令所有用户的报酬变量为P＝(p1,p2,...,pn)。假设用户完成感知任务子集M，任务拥有者应支付给招募者相应的奖励为r(M)。奖励函数r(M)由任务拥有者确定，并满足以下特性：
(1)r(M)＝0,M＝φ
(2)r(M)＝0,招募者为任务拥有者
由于在社交邻居中广播任务的成本极低，因此奖励函数的值较小。
设任意用户i的总奖励为Ri，所有用户的奖励为R＝(R1,R2,...,Rn)。则激励方法输出优胜者集合S，所有用户的任务分配向量D，所有用户的报酬向量P，以及所有用户的奖励向量R。
对任意子集
Figure BDA0001579331670000061
令V(M)为任务集合M对于任务拥有者的价值：
Figure BDA0001579331670000062
定义任意用户i∈U的效用为：
Figure BDA0001579331670000063
其中，
Figure BDA0001579331670000064
表示支付给用户i的总奖励。当Di＝φ时pi＝0，根据成本函数的第一性质，ci(Di)＝0，因此用户i的效用为Ri。
因为用户是自私且理性的，用户可能采取谎报成本函数、谎报可执行任务集或发动女巫攻击等策略行为来最大化自身的效用。
为了使自己的效用最大化，用户可能通过伪造出多个不同身份加入群智感知系统，配合完成感知任务而提高自身的效用。如果一个用户伪造出多个不同身份加入系统，就出现了一次女巫攻击。
定义任意用户伪造出一个成功执行任务子集M的新身份的伪造成本函数为一个只和任务子集M相关的函数c'(M)。由于奖励函数的值通常很小，设c'(M)满足c'(M)≥r(M)≥0。
不失一般性，考虑任意用户i发起女巫攻击，伪造出k个新身份：i1,i2,...,ik参与拍卖。设新身份提交的标书分别为：
Figure BDA0001579331670000065
其中，
Figure BDA0001579331670000066
表示用户i的新身份ik声明的可执行任务子集，Γik表示用户i的新身份ik真实的可执行任务子集，bik(.)表示用户i的新身份ik对应的报价函数。
女巫攻击可分为两种类型。
(1)用户i不参与拍卖。用户i仅使用伪造出的身份提交标书。此时用户i的效用为：
Figure BDA0001579331670000071
其中，Dy为身份y下对应的任务分配向量，
Figure BDA0001579331670000072
为新身份下对应的任务分配向量，
Figure BDA0001579331670000073
为用户i伪造的身份ih的对应的报酬向量，
Figure BDA0001579331670000074
为在任务分配向量
Figure BDA0001579331670000075
下招募者相应的奖励，
Figure BDA0001579331670000076
为用户伪造出一个成功执行任务子集D的新身份的伪造成本函数为一个只和任务子集D相关的函数，r(Dy)为在任务分配向量Dy下招募者相应的奖励。
(2)用户i参与拍卖。用户i在使用伪造出的身份提交标书的同时，本身也提交标书
Figure BDA0001579331670000077
参与拍卖。此时用户i的效用为：
Figure BDA0001579331670000078
其中，
Figure BDA0001579331670000079
为用户i参与拍卖情况下的实际报酬，
Figure BDA00015793316700000710
为用户i以及伪造出的新身份获得的任务子集的真实成本函数，
Figure BDA00015793316700000711
为只和新身份ih声明的可执行任务子集的相关函数。
任务拥有者和用户之间体现为一个反向拍卖过程，如图1，该方法的步骤如下：
步骤1：任务拥有者通过社交网络向社交邻居广播m个感知任务
Figure BDA00015793316700000712
每个感知任务
Figure BDA00015793316700000713
对于任务拥有者来说都有一个对应的价值vj；
步骤2：当到达时间TL，设此时社交网络中提交标书的用户集合为U＝{1,2,...,n}，每个用户i提交标书
Figure BDA00015793316700000714
其中，li表示招募用户i的招募者；特殊地，如果用户i是任务拥有者的社交邻居，则令li＝0；每个标书只能声明一个招募者；
Figure BDA00015793316700000715
表示用户i声明的可执行任务子集，Γi表示用户i真实的可执行任务子集，bi(.)表示用户i对应的报价函数；设用户i的真实成本函数为ci(.)，与被分配给用户i的任务子集有关，且满足以下性质：(1)ci(φ)＝0；(2)
Figure BDA0001579331670000081
(3)
Figure BDA0001579331670000082
步骤3：任务拥有者根据用户提交的标书，先计算出用户i完成任意子集
Figure BDA0001579331670000083
应支付的报酬pi,M；
如图2，任务拥有者根据用户提交的标书，先计算出假使用户i完成任意子集
Figure BDA0001579331670000084
应支付的报酬pi,M。步骤如下：
步骤31：对所有的i∈U，执行步骤32到步骤35；
步骤32：对所有的
Figure BDA0001579331670000085
执行步骤33到步骤35；
步骤33：初始化支付报酬pi,M←0；
步骤34：取所有用户
Figure BDA0001579331670000086
的任意子集
Figure BDA0001579331670000087
使得M'∩M≠φ，令
Figure BDA0001579331670000088
其中，V(M')为任务集合M'对于任务拥有者的价值，
Figure BDA0001579331670000089
步骤35：如果mi≥0，则pi,M＝V(M)-mi。
步骤4：任务拥有者选择出优胜者集合S，计算所有用户的分配任务子集D＝(D1,D2,...,Dn)，其中Di为用户i的分配任务子集，i∈{1,2,...,n}；计算所有用户的实际报酬P＝(p1,p2,...,pn)，其中pi为用户i的实际报酬，i∈{1,2,...,n}；同时计算所有用户的总奖励R＝(R1,R2,...,Rn)，其中用户i应获得的总奖励为Ri，i∈{1,2,...,n}。
如图3，任务拥有者选择出优胜者集合S，计算配任务子集D＝(D1,D2,...,Dn)，所有用户的实际报酬P＝(p1,p2,...,pn)，及所有用户的总奖励R＝(R1,R2,...,Rn)的流程图，步骤如下：
步骤41：初始化
Figure BDA00015793316700000810
R＝0,D＝0,P＝0；
步骤42：对所有的i∈U，执行步骤43到步骤45；
步奏43：令用户i的分配任务子集
Figure BDA0001579331670000091
步骤44：如果
Figure BDA0001579331670000092
则令S＝S∪{i}，
Figure BDA0001579331670000093
否则令
Figure BDA0001579331670000094
pi＝0；
步骤45：计算用户i相应的奖励
Figure BDA0001579331670000095
其中对任意用户k，支付给k的招募者lk的奖励由奖励函数r(Dk)确定；奖励函数由任务拥有者确定，并满足以下特性：
(1)如果Dk＝φ，则r(Dk)＝0；(2)如果lk为任务拥有者，则r(Dk)＝0；
步骤46：返回优胜者集合S，分配任务子集D＝(D1,D2,...,Dn)，所有用户的实际报酬P＝(p1,p2,...,pn)，及所有用户的总奖励R＝(R1,R2,...,Rn)，结束。
步骤5：任务拥有者通知优胜者，优胜者提交感知任务数据。
步骤6：任务拥有者向优胜者支付报酬，并向招募者支付奖励，结束。
本发明方法是个体理性的，根据个体理性的定义和公式(2)可知，需要证明对任意用户i∈U，存在
Figure BDA0001579331670000096
的值是非负的。任意用户i被分配的任务Di是Γi的子集。因为当
Figure BDA0001579331670000097
时，
Figure BDA0001579331670000098
此时必有pi-ci(Di)≥0；否则，Di为空集，此时有pi＝0,ci(Di)＝0。因此，对任意用户i∈U，存在ui-Ri≥0，即本发明所述的方法是个体理性的。
本发明所述的方法是真实的。首先，证明用户i提交虚假的任务集不能提高其效用。假设用户i提交虚假的标书
Figure BDA0001579331670000099
首先，根据步骤34和步骤35可知：
Figure BDA00015793316700000910
其中，ch(M')表示用户h在任意子集M'下的成本函数，由公式(5)可知，支付给用户i任意子集
Figure BDA00015793316700000911
的报酬是和用户i本身的成本函数无关的。下面分两种情况进行讨论：
情况1：
Figure BDA00015793316700000912
设任务拥有者分配给用户i的任务集合为
Figure BDA00015793316700000913
根据步骤43可知，分配任务子集
Figure BDA00015793316700000914
可使得用户i的效用最大化。因此，
Figure BDA00015793316700000915
其中，
Figure BDA0001579331670000101
为用户i完成任务集合
Figure BDA0001579331670000102
所得报酬，
Figure BDA0001579331670000103
表示用户i在任务集合
Figure BDA0001579331670000104
下的成本函数，Ri表示用户i的总奖励。从设函数公式可知，用户i不能通过提交的虚假任务集
Figure BDA0001579331670000105
提高其效用。
情况2：
Figure BDA0001579331670000106
设任务拥有者分配给用户i的任务集合为
Figure BDA0001579331670000107
如果
Figure BDA0001579331670000108
则由情况1可知，用户i不能提高其效用；如果
Figure BDA0001579331670000109
由成本函数的第二个性质可知，用户i不能完成Di\Γi中的任务。由公式(2)可知，此时用户i的效用为0。因此用户i也不能通过提交虚假任务子集
Figure BDA00015793316700001010
来提高其效用。
其次，证明用户i提交虚假的成本函数bi(.)≠ci(.)不能提高其效用。
虚假的成本函数bi(.)只能影响步骤43的结果。用
Figure BDA00015793316700001011
分别表示用户i提交虚假的成本函数bi(.)和真实的成本函数ci(.)时获得的分配任务子集。根据公式(5)可知，当
Figure BDA00015793316700001012
时，
Figure BDA00015793316700001013
因此根据公式(2)，用户i的效用不变。当
Figure BDA00015793316700001014
时，因为
Figure BDA00015793316700001015
和Di都是Γi的子集，而Di是在用户i的真实成本函数情况下，由步骤43求出的使得用户i效用最大化的任务子集，所以
Figure BDA00015793316700001016
由此，提交虚假的成本函数bi(.)≠ci(.)不能提高用户i的效用。
本发明所述方法是防女巫攻击的。分两种情况来说明防女巫攻击。
情况1：用户i不参与拍卖。用户i仅使用伪造出的k个新身份提交标书
Figure BDA00015793316700001017
参与拍卖。由于本发明所述的一种利用社交网络的移动群智感知防女巫攻击激励方法是真实的，所以必有：
Figure BDA00015793316700001018
只需要证明
Figure BDA00015793316700001019
假设用户i仅用真实身份参与拍卖获得总的任务子集为Di，大于等于他使用多个伪造身份而获得的分配任务子集之和。考虑用多个伪造身份获得分配任务子集最多的情况，即
Figure BDA00015793316700001020
可以得出：
Figure BDA0001579331670000111
令
Figure BDA0001579331670000112
Figure BDA0001579331670000113
其中，h∈{1,2,...,k}。从而可以得出
Figure BDA0001579331670000114
下面用反证法证明对任意h和h'，h∈{1,2,...,k},h'∈{1,2,...,k}，满足
Figure BDA0001579331670000115
假设
Figure BDA0001579331670000116
因为
Figure BDA0001579331670000117
所以有
Figure BDA0001579331670000118
进一步地有同样地，有
Figure BDA00015793316700001110
此时对用户ih和ih'，有
Figure BDA00015793316700001111
由于本发明所述的方法是个体理性的，此时必有
Figure BDA00015793316700001112
与假设矛盾。因此
Figure BDA00015793316700001113
即分配给新身份的任务子集两两不相交。根据公式(1)中价值函数的定义，有
Figure BDA00015793316700001114
根据公式(5)，用户i获得的报酬
Figure BDA00015793316700001115
用户不发动女巫攻击和发动女巫攻击的效用差为：
Figure BDA0001579331670000121
由于
Figure BDA0001579331670000122
同时根据假设，对
Figure BDA0001579331670000123
有
Figure BDA0001579331670000124
因为用户i伪造出的新身份与i具有相同的社交圈，所以招募其他真实身份用户的能力是一样的，所以有
Figure BDA0001579331670000125
因此有
Figure BDA0001579331670000126
因此在此情况下本发明所述的方法是可以防女巫攻击的。
情况2：用户i参与拍卖。用户i在使用伪造出的身份提交标书的同时，本身也提交标书
Figure BDA0001579331670000127
参与拍卖。不失一般性，设伪造出的k个新身份提交标书为：
Figure BDA0001579331670000128
由于本发明所述的一种利用社交网络的移动群智感知防女巫攻击激励方法是真实的，所以必有
Figure BDA0001579331670000129
设用户i以及伪造出的新身份获得的任务子集分别为
Figure BDA00015793316700001210
基于与情况1类似的分析可知：
Figure BDA00015793316700001211
成立，同时
Figure BDA00015793316700001212
成立。令
Figure BDA00015793316700001213
Figure BDA00015793316700001214
Figure BDA00015793316700001215
其中h∈{1,2,...,k}。从而得出
Figure BDA0001579331670000131
采用与情况1类似的分析可得：分配给新身份和用户i的任务子集两两不相交。再根据公式(1)中价值函数的定义，有
Figure BDA0001579331670000132
根据公式(5)，用户i获得的报酬为：
Figure BDA0001579331670000133
用户不发动女巫攻击和发动女巫攻击的效用差为：
Figure BDA0001579331670000134
由于
Figure BDA0001579331670000135
对
Figure BDA0001579331670000136
有
Figure BDA0001579331670000137
同时有：
Figure BDA0001579331670000138
因此有
Figure BDA0001579331670000139
即在此情况下，本发明所述的方法是可以防女巫攻击的。
因此，本发明所述的一种利用社交网络的移动群智感知防女巫攻击激励方法是防女巫攻击的。

Claims (7)

1.一种基于移动群智感知系统的防女巫攻击激励方法，其特征在于，包括任务拥有者和社交网络用户，该方法具体步骤包括：
(1)所述任务拥有者通过社交网络向其交邻居广播感知任务；
(2)所述社交网络用户向所述任务拥有者提交含有报价的标书，同时在社交网络上继续广播任务招募更多的用户参与群智感知；
(3)所述任务拥有者根据用户的报价从所有用户中选择出优胜者，并计算相应的报酬；
(4)对于成功招募到其他用户的所述用户，向其支付对应的奖励；
步骤(3)中，所述报酬的计算方法为：
(31)对所有的用户i∈U，其中，社交网络中提交标书的用户集合为U＝{1,2,...,n}，n为社交网络中提交表述用户的总数，执行步骤(32)到步骤(35)；
(32)对所有的
Figure FDA0002664288770000011
其中，Γi表示用户i真实的可执行任务子集，因此，M为可执行任务子集中的任意子集，执行步骤(33)到步骤(35)；
(33)初始化支付报酬pi,M←0，其中，pi,M为用户i完成任意子集
Figure FDA0002664288770000012
应支付的报酬；
(34)取所有用户h≠i,
Figure FDA0002664288770000013
的任务子集
Figure FDA0002664288770000014
使得M'∩M≠φ，令
Figure FDA0002664288770000015
其中，Γh表示用户h真实的可执行任务子集，M'为可执行任务子集中的任务子集，V(M')为任务集合M'对于任务拥有者的价值，
Figure FDA0002664288770000016
bh(M')为用户h在任务子集M'下对应的报价函数；
(35)若mi≥0，则pi,M＝V(M)-mi，其中，V(M)为任务集合M对于任务拥有者的价值。
2.根据权利要求1所述的基于移动群智感知系统的防女巫攻击激励方法，其特征在于，步骤(1)中，所述感知任务表示为：
Figure FDA0002664288770000017
其中，m为所述感知任务的总数，每个所述感知任务
Figure FDA0002664288770000018
对于所述任务拥有者来说都有一个对应的价值vj。
3.根据权利要求1所述的基于移动群智感知系统的防女巫攻击激励方法，其特征在于，步骤(2)中，所述标书表示为：
Figure FDA0002664288770000021
其中，li表示招募用户i的招募者，
Figure FDA0002664288770000022
表示所述用户i声明的可执行任务子集，Γi表示用户i真实的可执行任务子集，bi(.)表示所述用户i对应的报价函数。
4.根据权利要求1所述的基于移动群智感知系统的防女巫攻击激励方法，其特征在于，步骤(4)中，所述招募到其他用户的所述用户i的总奖励为：
Figure FDA0002664288770000023
其中，对任意用户k，支付给k的招募者lk的奖励由奖励函数r(Dk)确定，D为分配任务子集。
5.根据权利要求4所述的基于移动群智感知系统的防女巫攻击激励方法，其特征在于，所述奖励函数应满足：
所述奖励函数由所述任务拥有者确定，若Dk＝φ，则r(Dk)＝0，并且，若lk为所述任务拥有者，则r(Dk)＝0。
6.根据权利要求1所述的基于移动群智感知系统的防女巫攻击激励方法，其特征在于，所述方法还包括步骤：
(5)所述任务拥有者选择出优胜者集合，计算所有用户的实际报酬和所有用户的总奖励，具体方法为：
(51)初始化
Figure FDA0002664288770000024
R＝0,D＝0,P＝0，其中，S为优胜者集合，D＝(D1,D2,...,Dn)为分配任务子集，P＝(p1,p2,...,pn)为所有用户的实际报酬，及R＝(R1,R2,...,Rn)所有用户的总奖励，n为社交网络中提交表述用户的总数；
(52)对所有的i∈U，执行步骤(53)到步骤(55)；
(53)令用户i的分配任务子集
Figure FDA0002664288770000025
其中，ci(M)为所述用户i的任务子集M的真实成本函数；
(54)如果
Figure FDA0002664288770000026
则令S＝S∪{i}，
Figure FDA0002664288770000027
否则令
Figure FDA0002664288770000028
pi＝0，其中，Di为所述用户i所分配的任务子集，
Figure FDA0002664288770000029
为所述用户i完成任务子集Di应支付的报酬；pi为应向所述用户i支付的报酬，ci(Di)为所述用户i所分配的任务子集对应的真实成本函数；
(55)计算用户i相应的所有奖励；
(56)返回优胜者集合S，分配任务子集D＝(D1,D2,...,Dn)，所有用户的实际报酬P＝(p1,p2,...,pn)，及所有用户的总奖励R＝(R1,R2,...,Rn)。
7.根据权利要求6所述的基于移动群智感知系统的防女巫攻击激励方法，其特征在于，所述真实成本函数为：
所述用户i的真实成本函数为ci(.)，与被分配给所述用户i的任务子集有关，且满足以下性质：
(1)ci(φ)＝0
(2)
Figure FDA0002664288770000031
(3)
Figure FDA0002664288770000032
其中，M1、M2为所述感知任务
Figure FDA0002664288770000033
的子集，Γi表示用户i真实的可执行任务子集，tj是
Figure FDA0002664288770000034
和Γi任务集合的差集。
CN201810148362.3A 2018-02-13 2018-02-13 一种基于移动群智感知系统的防女巫攻击激励方法 Active CN108337263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810148362.3A CN108337263B (zh) 2018-02-13 2018-02-13 一种基于移动群智感知系统的防女巫攻击激励方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810148362.3A CN108337263B (zh) 2018-02-13 2018-02-13 一种基于移动群智感知系统的防女巫攻击激励方法

Publications (2)

Publication Number Publication Date
CN108337263A CN108337263A (zh) 2018-07-27
CN108337263B true CN108337263B (zh) 2020-12-18

Family

ID=62929500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810148362.3A Active CN108337263B (zh) 2018-02-13 2018-02-13 一种基于移动群智感知系统的防女巫攻击激励方法

Country Status (1)

Country Link
CN (1) CN108337263B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626563B (zh) * 2020-04-27 2022-09-23 南京邮电大学 一种双目标鲁棒移动群智感知系统及其激励方法
CN113781023B (zh) * 2021-09-10 2023-10-13 南京邮电大学 一种面向支付通道网络的个性化隐私保护路由方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103533502A (zh) * 2013-10-15 2014-01-22 上海交通大学 一种群智感知系统中的防欺骗拍卖方法及系统
CN104657133A (zh) * 2015-01-28 2015-05-27 南京邮电大学 移动群智感知中一种用于单时间窗口任务的激励方法
CN107609836A (zh) * 2017-08-07 2018-01-19 南京邮电大学 一种基于线性概率的大规模众包任务扩散方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278634A1 (en) * 2013-03-15 2014-09-18 Microsoft Corporation Spatiotemporal Crowdsourcing
US8955129B2 (en) * 2013-04-23 2015-02-10 Duke University Method and system for detecting fake accounts in online social networks
CN107316223B (zh) * 2017-06-02 2020-12-18 南京邮电大学 一种面向多合作任务的多报价标书移动群智感知激励方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103533502A (zh) * 2013-10-15 2014-01-22 上海交通大学 一种群智感知系统中的防欺骗拍卖方法及系统
CN104657133A (zh) * 2015-01-28 2015-05-27 南京邮电大学 移动群智感知中一种用于单时间窗口任务的激励方法
CN107609836A (zh) * 2017-08-07 2018-01-19 南京邮电大学 一种基于线性概率的大规模众包任务扩散方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Incentivizing the Biased Requesters: Truthful Task Assignment Mechanisms in Crowdsourcing;Jia Xu等;《2017 14th Annual IEEE International Conference on Sensing, Communication, and Networking (SECON)》;20170703;第1-9页 *
基于社会行为分析的群智感知数据收集研究;陈翔等;《计算机应用研究》;20150526;第3534-3541页 *

Also Published As

Publication number Publication date
CN108337263A (zh) 2018-07-27

Similar Documents

Publication Publication Date Title
Chawla et al. Optimal crowdsourcing contests
Li et al. Credit-based payments for fast computing resource trading in edge-assisted Internet of Things
Zou et al. A mechanism design based approach to solving parking slot assignment in the information era
Yokoo et al. The effect of false-name bids in combinatorial auctions: New fraud in Internet auctions
Zhang et al. Auction-based resource allocation in cognitive radio systems
Ayres et al. A market test for Bayh-Dole patents
Condorelli Market and non-market mechanisms for the optimal allocation of scarce resources
Singer et al. Pricing tasks in online labor markets
CN108337263B (zh) 一种基于移动群智感知系统的防女巫攻击激励方法
CN110851531A (zh) 协作边缘计算方法、区块链和协作边缘计算系统
Qiu et al. Auction method to prevent bid-rigging strategies in mobile blockchain edge computing resource allocation
Yassine et al. Cloudlet-based intelligent auctioning agents for truthful autonomous electric vehicles energy crowdsourcing
CN114047971A (zh) 边缘计算资源分配方法及装置
Liu et al. TGBA: A two-phase group buying based auction mechanism for recruiting workers in mobile crowd sensing
Jin et al. DPDA: A differentially private double auction scheme for mobile crowd sensing
Wang et al. Auction-based resource allocation for cooperative cognitive radio networks
Liu et al. Budget-feasible mechanisms in two-sided crowdsensing markets: Truthfulness, fairness, and efficiency
Liu et al. Budget feasible mechanisms over graphs
Zhang et al. Incentive mechanism with task bundling for mobile crowd sensing
Wu et al. MagiCrowd: A crowd based incentive for location-aware crowd sensing
Jiang et al. A truthful double auction framework for promoting femtocell access
CN114819779B (zh) 多智能体跨域协同作业系统和方法
Gaur et al. Evaluating reputation systems for agent mediated e-commerce
Mazorra et al. The cost of sybils, credible commitments, and false-name proof mechanisms
CN107330754B (zh) 一种面向合作性任务的移动群智感知激励方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 210003 Gulou District, Jiangsu, Nanjing new model road, No. 66

Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS

Address before: 210023 Jiangsu city of Nanjing province Ya Dong new Yuen Road No. 9

Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant