CN113079486A

CN113079486A - 基于区块链具有隐私保护特性的车联网群智感知激励方法

Info

Publication number: CN113079486A
Application number: CN202110374907.4A
Authority: CN
Inventors: 王玲玲; 曹中达; 周朋; 赵雪芹; 王博; 郭宏亮
Original assignee: Qingdao University of Science and Technology
Current assignee: Qingdao University of Science and Technology
Priority date: 2021-04-08
Filing date: 2021-04-08
Publication date: 2021-07-06
Anticipated expiration: 2041-04-08
Also published as: CN113079486B

Abstract

本发明属于车联网群智感知技术领域。针对现有车联网群智感知激励方法的隐私保护手段大多依赖第三方，存在隐私泄露隐患的问题，以及奖励分配的公平性的问题，本发明提供一种基于区块链具有隐私保护特性的车联网群智感知激励方法，该方法主要通过匿名身份认证机制、保护隐私的获胜者选择机制、公平性增强的奖励支付方案及智能合约，解决集中式的激励方法存在的单点故障以及合谋攻击等问题；实现轻量级的无需可信第三方协助的隐私保护方案，保护车辆身份以及竞价隐私；增强中标者选择以及奖励分配算法的公平性。

Description

基于区块链具有隐私保护特性的车联网群智感知激励方法

技术领域

本发明属于车联网群智感知技术领域，具体为一种基于区块链具有隐私保护特性的车联网群智感知激励方法。

背景技术

随着城市人口的增长，汽车的数量开始增加，这可能导致道路和停车场的拥堵。智能交通是一种针对交通效率和安全性做出实时控制决策的解决方案，其需要大量的交通信息。如今，车辆具有更丰富的传感器，更强大的存储和通信功能，并且能够收集和共享数据。无处不在的群智感知技术使得车联网群智感知(VCS)的出现成为可能，这种新型范例利用了车辆的力量来收集大量的交通信息感知数据。当道路上发生紧急交通事件(例如，追尾事故或交通拥堵)时，事件发生地点周围的车辆可以将实时交通数据提交给附近的路侧单元(RSU)，即车辆执行由交通管理部门(TA)通过RSU分发的群智感知任务。然而，由于资源消耗，公平性和隐私泄露问题，如果没有有效且公平的激励方法和隐私保护解决方案，车辆可能不愿参加群智感知任务。

公开文献A secure and privacy-preserving incentive scheme for reliablereal-time map updates(IEEE Internet of Things Journal,2019,7(1):416-428)，Lai等人提出了一种安全且具有隐私保护的激励方法，激励车辆提交高质量的感知数据实现实时地图更新。在该方案中，地图服务平台首先向车辆发送需要的数据类型。然后，车辆用户根据要求收集数据并提交竞价。之后，地图服务平台根据自身的预算和车辆的报价选择获胜者集合。最后，中标的车辆提交收集的数据并获得相应的奖励。在此过程中，车辆需要向证书颁发机构通过部分盲签名算法注册假名，并使用注册的假名与地图服务平台通信。追踪管理器可以从假名中恢复恶意车辆的真实身份，并通知证书管理机构进行声誉惩罚，更新后的声誉会被存储在区块链中，且声誉较低的车辆的假名申请会被拒绝。车辆奖励的计算由报价、预算以及数据可信度共同决定，并通过基于区块链的支付系统进行发放。

1)现有的激励方法主要包括货币激励和非货币激励，它们通过某种形式的补偿来刺激车辆，例如声誉，信用，虚拟硬币等。货币激励方法通过电子货币激励车辆参与任务，具有较强的激励作用，并且容易与其他激励措施一起实现。但是，大多数提议的货币激励方法都是集中式的，这会导致隐私泄露、单点故障以及合谋攻击的问题。

2)现有的许多激励方法不具备隐私保护的功能。此外随着人们隐私保护意识的提升，车联网群智感知中也提出了一些具有隐私保护方案的激励方法。但是这些隐私保护的手段大多依赖可信的第三方平台辅助完成，存在隐私泄露的隐患。

3)在基于方向拍卖算法的货币激励方法中，许多方案只根据车辆的报价进行奖励分配。这种分配方式无法保证收集的数据质量和车辆奖励分配的公平性。

发明内容

针对现有车联网群智感知激励方法的隐私保护手段大多依赖第三方，存在隐私泄露隐患的问题，以及奖励分配的公平性的问题，本发明提供一种基于区块链具有隐私保护特性的车联网群智感知激励方法，主要通过匿名身份认证机制、保护隐私的获胜者选择机制、公平性增强的奖励支付方案及智能合约，解决集中式的激励方法存在的单点故障以及合谋攻击等问题；实现轻量级的无需可信第三方协助的隐私保护方案，保护车辆身份以及竞价隐私；增强中标者选择以及奖励分配算法的公平性。

本发明的具体技术方案如下：

一种基于区块链具有隐私保护特性的车联网群智感知激励方法，该方法包括：

S1、利用基于零知识证明的匿名身份认证机制以及布隆过滤器技术进行车辆的快速身份认证；

S2、通过匿名身份认证的车辆和任务发起者TA共同执行反向拍卖过程，利用Pedersen承诺确保出价的私密性，根据竞价，车辆声誉以及其精确位置来确定任务的中标者集合；

S3、根据数据准确性和响应时间来衡量数据的质量，并将车辆的声誉考虑在内来计算奖励金额；

S4、整个激励方法通过智能合约的形式在区块链上进行实施，合约部署之后，通过接收提交的数据能够自动执行设置的算法。

进一步的，S1具体为：雾服务器生成系统参数，设置私钥和公钥，车辆在雾服务器的帮助下通过零知识证明获得其匿名证书；每个合法车辆相应的快速认证因子存储在布隆过滤器中，该过滤器保存在区块链中，用于快速匿名认证。

进一步的，S2包括对于参与感知任务的车辆，相同异常交通状况下的车辆位置不应明显偏离大多数车辆的位置，如果车辆位置偏差过大，则对位置偏差过大的车辆进行过滤。

进一步的，S1具体过程包括：

①系统设置：雾服务器运行Setup程序以获取公共参数

创建素数q>2λ阶双线性映射组(G，G_T)；λ是安全参数；e(.,.)表示双线映射：G×G→G_T；g和g₁为群G的生成元，而e(g,g)被定义为g_T；H：Z_q→Z_q和H′：{0，1}*→Z_q为两个碰撞抵抗的哈希函数；雾服务器F选择一个随机的s∈Z_q作为其私钥，并计算公钥Y_F＝g^s；同时，F选择x，y，z，μ∈Z_q并计算X＝g^x,Y＝g^y以及Z＝g^z，μ是一个周期验证密钥；之后，F初始化一个空集合Ω用作布隆过滤器；雾服务器会定期重置Ω；

②匿名证书生成：当车辆想要参与任务时，首先需要产生匿名证书，一旦车辆请求匿名证书，雾服务器会设置状态标签T＝1；然后，车辆随机选择

计算Δ＝Y^kZ^h并将(Δ，H(k))发送到本地雾服务器，雾服务器检查H(k)是否存在于Ω中，如果存在，则雾服务器将引导车辆重新选择k；否则，雾服务器将H(k)加入Ω中；H(k)为快速认证因子，车辆充当证明者，雾服务器充当验证者，通过零知识证明验证：ZkPoK{{k，h}：Δ＝Y^kZ^h}，如果证明失败，则雾服务器返回为失败；否则，雾服务器将(W，v)发送至车辆，其中v∈Z_q,

之后，车辆检查等式e(W，Y_Fg^v+μ)＝e(XΔ，g)是否成立，如果失败，车辆将返回失败状态，否则，匿名证书cred＝(W，v，k，h)将会生成并被车辆存储在本地；

③匿名认证:车辆竞争参与感知任务，需首先向雾服务器提供H(k)来对自己进行合法性验证，雾服务器运行快速身份验证算法，以获得TF，如果TF＝0，意味着H(k)不存在于Ω，则该车辆将被视为非法参与者；否则车辆充当证明者，而雾服务器充当验证者，通过零知识证明验证：ZkPoK{{W，v，k，h}：W^v+s+μ＝XY^kZ^h}，如果证明成立，则该车辆通过匿名认证，将作为合法的候选车辆进行竞标。

进一步的，S2具体过程包括：

①每辆车都充当投标人，为了提交出价b∈Z_q使用Pedersen承诺进行投标密封，车辆选择一个随机的γ∈Z_q，将承诺计算为

然后将承诺发送到本地雾服务器；所有车辆在提交时都不会获取有关其他车辆出价的任何信息，随后车辆将打开承诺C，显示b和γ的值；每辆车都发送通过本地雾服务器Y_F的公钥对(b_i，γ_i)加密的密文结果，一旦车辆提交了承诺，雾服务器就会验证承诺是否能够打开，从而使智能隐私保护激励方法合约中仅存在有效的承诺；

②假定雾服务器F从n个合法车辆V＝(V₁，V₂，...，V_n)接收n个投标<C_i，R_i，loc_i>，其中，C_i代表竞价的承诺，R_i代表车辆当前声誉，

代表车辆的经纬度位置；运行具有隐私保护的获胜者选择算法，F首先计算n个车辆位置的中心位置

然后计算

与

的欧氏距离ρ_i，如果ρ_i>100m，代表数据的准确性不符合标准，则雾服务器将拒绝车辆V_i；否则，将根据提交的数据质量来计算车辆V_i的报酬。

进一步的，S3具体过程包括：

①数据质量计算：为了测量车辆提交的数据的质量，将感知数据的数据结构定义为D＝(task，cause，proof，time)，task以任务号表示，以区分不同的感知任务；cause是指交通状况异常的原因；proof是车辆上传以证明cause的数据；time是提交感知数据的时间；假设雾服务器F从m个获胜车辆接收m个完成相同任务的感知数据{D₁，D₂，...，D_m}，其中Di＝(task_i，c_i，proof_i，t_i),数据质量根据数据精度和响应时间t_i量化，首先，通过交通异常原因c_i计算车辆V_i与其余m-1个车辆的汉明距离d(c_i，c_j)，以测量提交的异常交通状况的相似性；如果车辆V_i与

以上其他车辆的汉明距离为0，即与其他车辆提交的数据相近，则认为其提交的为高精度数据，否则为低精度数据；高精度数据的数据精确度权重ω_i(c)为

其中m’为高精度数据的总数，低精度数据的数据精确度权重为

ω_i(t)表示车辆的响应时间权重，数据上传的越早，获得的权重越大，其量化方式为先将所有车辆提交数据的时间升序排序，获得序列t₁≤t₂≤...≤t_n，然后根据排序顺序给车辆分配不同的权重ω_i(t)，且

参数θ表示数据精确度的重要性，因此车辆V_i最终的数据质量被表示为：q_i＝θω_i(c)+(1-θ)ω_i(t)；

②付款资料生成：付款资料根据竞价和车辆的数据质量生成，m个获胜车辆的总竞标价为

且

小于B_max，因此，车辆V_i的最终付款为

进一步的，S4智能合约的实施过程包括：

1)Init(.)函数定义与注册关联的所有值，雾服务器调用Init(.)函数来获取公共参数，并与车辆一起生成匿名凭证，之后，将合法车辆的快速认证因子存储在布隆过滤器Ω中；

2)如果TA要启动任务，则他使用以下参数集调用Creat(.)函数：t₁，t₂，t₃，t₄，t₅，t₆定义六个阶段的时间间隔；任务的预算TA.budget，最高出价b₀；合法车辆集合V；为了防止恶意TA发布欺诈性任务，然后退出交易，TA必须先向智能合约支付预算。如果因TA提前将拍卖中止，TA的预算将平均分配给获胜的车辆；最高出价b₀用于防止恶意车辆提交过高的出价；

3)Authen(.)函数通过快速身份验证算法和零知识证明对所有参加竞争任务的车辆进行身份验证，车辆通过验证后，便可以提交出价；

4)Commit(.)函数通过Pedersen承诺对投标进行密封，以防止在投标间隔结束之前被其他车辆获取；

5)车辆触发Reveal(.)函数显示其出价，以便合约可以执行“胜出者选择算法”；

6)Decrypt(.)函数对车辆提交的投标的密文进行解密；

7)在显示所有投标之后，WinnerSel(.)函数对投标结果进行选择，它以出价，声誉，车辆位置，TA的预算和最高出价b₀作为输入，该功能的结果是获胜的车辆集合B_w；

8)Payment(.)函数根据数据质量，出价和声誉来计算每辆车的奖励付款；

9)Finalize(.)函数返回TA的余额，并在确定付款资料后向车辆支付奖励。

本发明具有如下有益效果：

基于零知识证明的匿名证书保护身份隐私以及布隆过滤器技术进行快速身份认证，不需要任何可信第三方，通过智能合约就可以完成TA与车辆之间的通信交互，不存在单点故障的风险并有效抵抗合谋攻击。奖励的计算不仅由车辆提交的数据质量和提交的报价决定，还加入了车辆的声誉，能够激励车辆持续提供高质量的数据，确保公平性。

附图说明

图1智能隐私保护激励方法模型；

图2快速认证算法；

图3具有隐私保护的获胜者选择算法；

图4公平性增强的奖励支付算法；

图5智能合约流程图；

图6智能合约函数图；

图7任务发布者的Gas消耗。

具体实施方式

下面结合具体实施例及附图对本发明做进一步详细说明。

本发明的基于区块链具有隐私保护特性的车联网群智感知激励方法模型如图1所示，主要由匿名认证机制，保护隐私的获胜者选择机制和公平性增强的奖励支付方案组成。

1)匿名身份认证机制：雾服务器生成系统参数，设置私钥和公钥。车辆在雾服务器的帮助下通过零知识证明获得其匿名证书。每个合法车辆相应的快速认证因子存储在布隆过滤器中，该过滤器保存在区块链中，用于快速匿名认证。当车辆竞争参与感知任务时，其首先需要通过匿名身份认证机制才能成为合法用户。

2)保护隐私的获胜者选择机制：当车辆成功通过匿名身份认证机制之后，其需要向雾服务器提交竞价。之后，所有合法车辆和TA将执行反向拍卖过程。由于相同异常交通状况下的车辆位置不应明显偏离大多数车辆的位置，因此将对位置偏差过大的车辆进行过滤。获胜者选择机制还使用了Pedersen承诺来保持出价的私密性。车辆先提交密封的报价,即Pedersen承诺。随后，他们通过公钥加密方案将自己的承诺打开并发送给雾服务器。雾服务器运行中标者选择算法，根据竞价，声誉以及其精确位置来确定任务的中标者集合。

3)公平性增强的奖励支付方案：为了提高奖励支付的公平性，将车辆的当前和过去的表现考虑在内，计算奖励金额。这可以有效激励车辆积极地参与传感任务并提供高质量的数据。在对时间敏感的场景中(例如实时流量监控)，响应时间也很重要，因为过期的信息毫无价值，需要车辆尽快上传感知数据。因此，最终的数据质量由两个因素来衡量：数据准确性和响应时间。付款资料由提交的价格和车辆的数据质量生成。任务发起者TA支付奖励并获得预算的余额，车辆通过智能合约以匿名方式根据付款资料获得奖励。最后，雾服务器验证交易并将其写入区块中。

详细的方案如下：

步骤一，匿名身份验证机制：

①系统设置：雾服务器运行Setup程序以获取公共参数

创建素数q>2λ阶双线性映射组(G，G_T)；λ是安全参数；e(.,.)表示双线映射：G×G→G_T；g和g₁为群G的生成元，而e(g,g)被定义为g_T；H：Z_q→Z_q和H′：{0，1}^*→Z_q为两个碰撞抵抗的哈希函数。雾服务器F选择一个随机的s∈Zq作为其私钥，并计算公钥Y_F＝g^s。同时，F选择x，y，z，μ∈Z_q并计算X＝g^x,Y＝g^y以及Z＝g^z。μ是一个周期验证密钥。之后，F初始化一个空集合Ω用作布隆过滤器。雾服务器会定期重置Ω，因为匿名证书仅在一定时期内有效。出于安全考虑，车辆在一小时内不能申请多个匿名证书。使用布尔标签T标记车辆的状态，T＝1表示车辆在某个时候已经申请了匿名证书。一段时间后，如一个小时之后，T会被更新为0。

②匿名证书生成：当车辆想要参与任务时，它们首先需要产生匿名证书。一旦车辆请求匿名证书，雾服务器会设置状态标签T＝1。然后，车辆随机选择

计算Δ＝Y^kZ^h并将(Δ，H(k))发送到本地雾服务器。雾服务器检查H(k)是否存在于Ω中。如果存在，则雾服务器将引导车辆重新选择k。否则，雾服务器将H(k)加入Ω中。将H(k)称作快速认证因子。之后车辆充当证明者，雾服务器充当验证者，通过零知识证明验证：ZkPoK{{k，h}：Δ＝Y^kZ^h}。如果证明失败，则雾服务器返回为失败。否则，雾服务器将(W，v)发送至车辆，其中v∈Z_q,

之后，车辆检查等式e(W，Y_Fg^v+μ)＝e(XΔ，g)是否成立。如果失败，车辆将返回失败状态。否则，匿名证书cred＝(W，v，k，h)将会生成并被车辆存储在本地。

③匿名认证:如果车辆竞争参与感知任务，则车辆首先向雾服务器提供H(k)来对自己进行合法性验证。雾服务器运行图2所示快速身份验证算法，以获得TF。如果TF＝0，这意味着H(k)不存在于Ω，则该车辆将被视为非法参与者。否则车辆充当证明者，而雾服务器充当验证者，通过零知识证明验证：ZkPoK{{W，v，k，h}：W^v+s+μ＝XY^kZ^h}。如果证明成立，则该车辆通过匿名认证，将作为合法的候选车辆进行竞标。

步骤二，保护隐私的获胜者选择机制：提出的获胜者选择机制的目标是在隐私保护功能下选择获胜车辆。提交的出价、车辆的位置和声誉这三个因素共同决定了获胜的车辆。将反向拍卖与TA的预算限制结合使用，以建立激励方法的模型。所有车辆和TA都将进入方向拍卖过程，以完成感知任务。

①每辆车都充当投标人，为了提交出价b∈Z_q使用Pedersen承诺进行投标密封。车辆选择一个随机的γ∈Z_q，将承诺计算为

然后将承诺发送到本地雾服务器。所有车辆在提交时都不会获取有关其他车辆出价的任何信息。随后车辆将打开承诺C，显示b和γ的值。每辆车都发送通过本地雾服务器Y_F的公钥对(b_i，γ_i)加密的密文结果。一旦车辆提交了承诺，雾服务器就会验证承诺是否能够打开，从而使智能隐私保护激励方法合约中仅存在有效的承诺。b和γ的密文存储在合约中，而不是直接发送到雾服务器。此外，除了提交和打开对投标的承诺之外，不需要车辆进行复杂的交互。

②假定雾服务器F从n个合法车辆V＝(V₁，V₂，...，V_n)接收n个投标＜C_i，R_i，loc_i＞。其中，C_i代表竞价的承诺，R_i代表车辆当前声誉，

代表车辆的经纬度位置。运行具有隐私保护的获胜者选择算法，如图3所示。F首先计算n个车辆位置的中心位置

然后计算

与

的欧氏距离ρ_i。如果ρ_i>100m，代表数据的准确性不符合标准，则雾服务器将拒绝车辆V_i。否则，将根据提交的数据质量来计算车辆V_i的报酬。

步骤三，增强公平性的奖励支付方案：详细的支付算法如图4所示。

①数据质量计算：为了测量车辆提交的数据的质量，将感知数据的数据结构定义为D＝(task，cause，proof，time)。task以任务号表示，以区分不同的感知任务；cause是指交通状况异常的原因。例如，“000”表示某地点发生了事故，“001”表示某位置堵车；proof是车辆上传以证明cause的数据；time是提交感知数据的时间。假设雾服务器F从m个获胜车辆接收m个完成相同任务的感知数据{D₁，D₂，...，D_m}，其中D_i＝(task_i，c_i，proof_i，t_i),数据质量根据数据精度和响应时间t_i量化。首先，通过交通异常原因c_i计算车辆V_i与其余m-1个车辆的汉明距离d(c_i，c_j)，以测量提交的异常交通状况的相似性。如果车辆V_i与

以上其他车辆的汉明距离为0，即与其他车辆提交的数据相近，则认为其提交的为高精度数据，否则为低精度数据。高精度数据的数据精确度权重ω_i(c)为

其中m’为高精度数据的总数，而低精度数据的数据精确度权重为

ω_i(t)表示车辆的响应时间权重，数据上传的越早，获得的权重越大。其量化方式为先将所有车辆提交数据的时间升序排序，获得序列t₁≤t₂≤…t≤t_n。然后根据排序顺序给车辆分配不同的权重ω_i(t)，且

定义参数θ表示数据精确度的重要性，因此车辆V_i最终的数据质量被表示为：q_i＝θω_i(c)+(1-θ)ω_i(t)。

②付款资料生成：付款资料根据车辆的数据质量生成。m个获胜车辆的总竞标价为

且

小于B_max。因此，车辆V_i的最终付款为

步骤四，智能合约实施：将整个激励方法通过智能合约的形式在区块链上进行实施，完成车辆与TA的交互。合约部署之后，通过接收提交的数据能够自动执行设置的算法。设计的智能隐私保护激励方法合约流程如图5所示。

①TA和车辆首先在雾服务器上注册。注册后，车辆将通过零知识证明获得其匿名证书。然后,TA可以根据需求发布感知任务。车辆监视区块链中的新任务，并提供其匿名凭据和通过零知识证明对自己进行身份验证。车辆通过验证后，他们将提交密封的投标。智能合约验证密封投标的有效性，然后执行“获胜者选择算法”来确定获胜车辆。之后，获胜的车辆将感知数据提交给雾服务器。接着，智能合约执行“奖励支付算法”以确定付款资料。然后，智能合约返回TA的余额，车辆根据付款资料获得奖励。

②从智能合约部署初始化到车辆获得奖励总共分为六个阶段，详细的函数如图6所示。

1)Init(.)函数定义与注册关联的所有值。雾服务器调用Init(.)函数来获取公共参数，并与车辆一起生成匿名凭证。之后，将合法车辆的快速认证因子存储在布隆过滤器Ω中；

2)如果TA要启动任务，则他使用以下参数集调用Creat(.)函数：t₁，t₂，t₃，t₄，t₅，t₆定义六个阶段的时间间隔；任务的预算TA.budget，最高出价b₀；合法车辆集合V；为了防止恶意TA发布欺诈性任务，然后退出交易，TA必须先向智能合约支付预算。如果因TA提前将拍卖中止，TA的预算将平均分配给获胜的车辆。最高出价b₀用于防止恶意车辆提交过高的出价。

3)Authen(.)函数通过快速身份验证算法和零知识证明对所有参加竞争任务的车辆进行身份验证。车辆通过验证后，便可以提交出价。

4)Commit(.)函数通过Pedersen承诺对投标进行密封，以防止在投标间隔结束之前被其他车辆获取。

5)车辆触发Reveal(.)函数显示其出价，以便合约可以执行“胜出者选择算法”。

6)Decrypt(.)函数对车辆提交的投标的密文进行解密。

7)在显示所有投标之后，WinnerSel(.)函数对投标结果进行选择。它以出价，声誉，车辆位置，TA的预算和最高出价b₀作为输入。该功能的结果是获胜的车辆集合B_w。

8)Payment(.)函数根据数据质量，出价和声誉来计算每辆车的奖励付款。

下面结合仿真和性能评估对本方法的效果进行描述。

图7表示在参与认证的车辆数量固定的情况下，随着被奖励车辆数量的增加，智能合约上函数的以太坊费用(Gas)消耗情况。当参与认证的车辆的数量固定为20，而被奖励车辆的数量以5为间隔从5变化到20时，可以看到Creat(.)以及Authen(.)函数的gas消耗不变，而WinnerSel(.)和Finalize(.)函数的消耗随着被奖励车辆的数量近似于线性增长，但Gas消耗量都较少，能都满足以太坊Gas上限的要求。

以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims

1.一种基于区块链具有隐私保护特性的车联网群智感知激励方法，其特征在于，该方法包括：

2.根据权利要求1所述的方法，其特征在于，S1具体为：雾服务器生成系统参数，设置私钥和公钥，车辆在雾服务器的帮助下通过零知识证明获得其匿名证书；每个合法车辆相应的快速认证因子存储在布隆过滤器中，该过滤器保存在区块链中，用于快速匿名认证。

3.根据权利要求1所述的方法，其特征在于，S2包括对于参与感知任务的车辆，相同异常交通状况下的车辆位置不应明显偏离大多数车辆的位置，如果车辆位置偏差过大，则对位置偏差过大的车辆进行过滤。

4.根据权利要求1所述的方法，其特征在于，S1具体过程包括：

①系统设置：雾服务器运行Setup程序以获取公共参数

创建素数q＞2λ阶双线性映射组(G，G_T)；λ是安全参数；e(.，.)表示双线映射：G×G→G_T；g和g₁为群G的生成元，而e(g，g)被定义为g_T；H：Z_q→Z_q和H′：{0，1}^*→Z_q为两个碰撞抵抗的哈希函数；雾服务器F选择一个随机的s∈Z_q作为其私钥，并计算公钥Y_F＝g^q；同时，F选择x，y，z，μ∈Z_q并计算X＝g^x，Y＝g^y以及Z＝g^z，μ是一个周期验证密钥；之后，F初始化一个空集合Ω用作布隆过滤器；雾服务器会定期重置Ω；

计算Δ＝Y^kZ^h并将(Δ，H(k))发送到本地雾服务器，雾服务器检查H(k)是否存在于Ω中，如果存在，则雾服务器将引导车辆重新洗择k：否则，雾服务器将H(k)加入Ω中；H(k)为快速认证因子，车辆充当证明者，雾服务器充当验证者，通过零知识证明验证：ZkPoK{{k，h}：Δ＝Y^kZ^h}，如果证明失败，则雾服务器返回为失败；否则，雾服务器将(W，v)发送至车辆，其中v∈Z_q，

③匿名认证：车辆竞争参与感知任务，需首先向雾服务器提供H(k)来对自己进行合法性验证，雾服务器运行快速身份验证算法，以获得TF，如果TF＝0，意味着H(k)不存在于Ω，则该车辆将被视为非法参与者；否则车辆充当证明者，而雾服务器充当验证者，通过零知识证明验证：ZkPoK{{W，v，k，h}：W^v+s+μ＝XY^kZ^h}，如果证明成立，则该车辆通过匿名认证，将作为合法的候选车辆进行竞标。

5.根据权利要求1所述的方法，其特征在于，S2具体过程包括：

①每辆车都充当投标人，为了提交出价b∈Z_q使用Pedersen承诺进行投标承诺，车辆选择一个随机的γ∈Z_q，将承诺计算为

②假定雾服务器F从n个合法车辆V＝(V₁，V₂，...，V_n)接收n个投标<C_i,R_i,loc_i>，其中，C_i代表竞价的承诺，R_i代表车辆当前声誉，

代表车辆的经纬度位置；通过运行具有隐私保护的获胜者选择算法，F首先计算n个车辆位置的中心位置

然后计算

与

的欧氏距离ρ_i，如果ρ_i＞100m，代表数据的准确性不符合标准，则雾服务器将拒绝车辆V_i；否则，将根据提交的数据质量来计算车辆Vi的报酬。

6.根据权利要求1所述的方法，其特征在于，S3具体过程包括：

①数据质量计算：为了测量车辆提交的数据的质量，将感知数据的数据结构定义为D＝(task,cause,proof,time)，task以任务号表示，以区分不同的感知任务；cause是指交通状况异常的原因；proof是车辆上传以证明cause的数据；time是提交感知数据的时间；假设雾服务器F从m个获胜车辆接收m个完成相同任务的感知数据{D₁，D₂，...，D_m}，其中D_i＝(task_i，c_i，proof_i，t_i)，数据质量根据数据精度和响应时间t_i量化，首先，通过交通异常原因c_i计算车辆V_i与其余m-1个车辆的汉明距离d(c_i，c_j)，以测量提交的异常交通状况的相似性；如果车辆V_i与

ω_i(t)表示车辆的响应时间权重，数据上传的越早，获得的权重越大，其量化方式为先将所有车辆提交数据的时间升序排序，获得序列t₁≤t₂≤…≤t_n，然后根据排序顺序给车辆分配不同的权重ω_i(t)，且

且

小于B_max，因此，车辆V_i的最终付款为

7.根据权利要求1所述的方法，其特征在于，S4智能合约的实施过程包括：

2)如果TA要启动任务，则他使用以下参数集调用Creat(.)函数：t₁，t₂，t₃，t₄，t₅，t₆定义六个阶段的时间间隔；任务的预算TA.budget，最高出价b₀；合法车辆集合V；为了防止恶意TA发布欺诈性任务，然后退出交易，TA必须先向智能合约支付预算；如果因TA提前将拍卖中止，TA的预算将平均分配给获胜的车辆；最高出价b₀用于防止恶意车辆提交过高的出价；

6)Decrypt(.)函数对车辆提交的投标的密文进行解密；