CN113099459A

CN113099459A - 一种基于差分隐私的群智频谱感知方法、系统及存储介质

Info

Publication number: CN113099459A
Application number: CN202110332153.6A
Authority: CN
Inventors: 朱琦; 胡敏
Original assignee: Nanjing University of Posts and Telecommunications
Current assignee: Nanjing University of Posts and Telecommunications
Priority date: 2021-03-29
Filing date: 2021-03-29
Publication date: 2021-07-09
Anticipated expiration: 2041-03-29
Also published as: CN113099459B

Abstract

本发明公开了频谱感知通信技术领域的一种基于差分隐私的群智频谱感知方法、系统及存储介质，在频谱感知过程中，提高了对用户隐私的保护程度。包括：发布频谱感知任务和第一阈值；接收对频谱感知任务和第一阈值的响应结果；基于差分隐私，计算给出响应结果的每个次用户被选中的概率值；在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息。引入了差分隐私的概念，将指数机制应用于平台与用户间的反向拍卖。平台选择获胜用户时将用户的信誉值考虑在内，并且使用了一种基于指数机制的线性得分函数选择最优的用户集。本发明提出的激励机制在能够保护用户隐私，实现近似最大检测概率。

Description

一种基于差分隐私的群智频谱感知方法、系统及存储介质

技术领域

本发明属于频谱感知通信技术领域，具体涉及一种基于差分隐私的群智频谱感知方法、系统及存储介质。

背景技术

无线通信技术的飞速发展引起无线设备剧增，使得无线频谱资源十分稀缺。目前频谱资源采用固定的分配方式进行授权，因此频谱利用效率很低，且极度不平衡，认知无线电系统应运而生。认知无线电可以感知系统环境，寻找空闲的频谱，并进行动态的频谱分配，这样可以有效地提高频谱利用效率。认知无线电实现的前提在于频谱感知技术，单节点感知，受阴影效应和深度衰落影响较大，感知结果不可靠，因此需要多个节点协作感知来提高检测可靠性。由于用户不是完全自愿参与感知任务，因此出现了许多激励机制，应用较多的是基于群智感知的激励机制。

群智感知是结合众包思想和移动设备感知能力的一种新的数据获取模式，是物联网的一种表现形式。群智感知是指通过人们已有的移动设备形成交互式的、参与式的感知网络，并将感知任务发布给网络中的个体或群体来完成，从而帮助专业人员或公众收集数据、分析信息和共享知识。系统架构包括服务器平台、数据使用者和任务参与者。现有技术中，在频谱感知过程中，缺乏对用户隐私的保护。

发明内容

为解决现有技术中的不足，本发明提供一种基于差分隐私的群智频谱感知方法、系统及存储介质，在频谱感知过程中，提高了对用户隐私的保护程度。

为达到上述目的，本发明所采用的技术方案是：

第一方面，提供一种基于差分隐私的群智频谱感知方法，包括：发布频谱感知任务和第一阈值；接收对频谱感知任务和第一阈值的响应结果；基于差分隐私，计算给出响应结果的每个次用户被选中的概率值；在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息。

进一步地，所述基于差分隐私，计算给出响应结果的每个次用户被选中的概率值，并组成次用户集，包括：

a1、计算次用户的信誉值r_i，

其中，N_lose表示最近k轮感知任务中未被选中的次数，α表示第一加权银子，β表示第二加权因子，且

可以表示为：

其中，P_f表示虚警概率，即当主用户没有占用频谱时次用户误判主用户占用频谱的概率，t_i表示用户i的感知时间，f_s表示采样频率，t_if_s表示采样点数，SNR_i表示次用户接收主用户发送信号的信噪比，Q函数为互补累计分布函数：

a2、将指数机制应用于线性得分函数，根据

计算每个次用户给出响应结果b_i时被选中的概率值，根据

将概率进行归一化。

进一步地，在所述从次用户集中在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息之后，每个次用户更新自身的信誉值。

进一步地，所述确认信息为：

其中，

表示响应结果为z时被选中的概率，

表示响应结果为b_i时被选中的概率。

第二方面，提供一种基于差分隐私的群智频谱感知系统，包括：包括处理器和存储设备，所述存储设备中存储有多条指令，用于所述处理器加载并执行第一方面所述方法的步骤。

第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行第一方面所述的方法。

与现有技术相比，本发明所达到的有益效果：

(1)本发明通过将群智感知算法与具体的应用场景结合在一起，将保护隐私的群智感知激励机制与频谱感知相结合，保护用户的报价隐私，激励次用户参与感知任务，在频谱感知过程中，提高了对用户隐私的保护程度；

(2)本发明通过将指数机制应用于线性得分函数，同时选择用户时考虑用户的信誉值，优化平台选择的次用户集，实现检测概率的优化；

(3)本发明通过使用差分隐私的概念使得平台与次用户间的反向拍卖更符合实际，激励更多的次用户参与感知任务，提高系统的性能。

附图说明

图1是本发明实施例提供的一种基于差分隐私的群智频谱感知方法的主要示意图；

图2是本发明实施例中的网络模型结构示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

实施例一：

一种基于差分隐私的群智频谱感知方法，包括：发布频谱感知任务和第一阈值；接收对频谱感知任务和第一阈值的响应结果；基于差分隐私，计算给出响应结果的每个次用户被选中的概率值；在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息。

本实施例将保护隐私的激励机制与频谱感知相结合，提出了一种具有隐私保护的频谱感知反向拍卖方法。如图1所示，在移动通信系统中，首先建立平台与次用户之间的反向拍卖模型，平台购买用户的感知数据，用户竞价出售感知数据获得收益，且引入了差分隐私的概念，将用户的报价作为隐私保护内容，将指数机制应用于平台与用户间的反向拍卖中，平台选择获胜用户时将考虑用户的信誉值，并且使用了一种基于指数机制的线性得分函数选择最优的用户集，最终平台向被选中的用户发放报酬，所有的次用户更新信誉值。

本实施例研究的系统场景如图2所示，在半径为R的圆形区域内，存在一个主用户、一个次用户基站(平台)和N个次用户，SU＝{su₁,su₂,su₃...su_N}，各个次用户均可以通过能量检测感知主用户频段，得到相应的检测结果和检测概率

假设各个次用户均愿意参与感知任务的拍卖过程，次用户将感知结果以及对任务的报价b_i(报价范围是[b_min,b_max])发送至平台，平台根据一定的准则选择一定数量的次用户完成感知任务，接着平台发放相应的报酬pay_i给被选中的用户，具体步骤包括：

(1)发布频谱感知任务和第一阈值，用SU＝{su₁,su₂,su₃...su_N}表示次用户集，N为次用户数，平台发布频谱感知任务和预算B(第一阈值)；

(2)次用户i(1≤i≤N)上报对频谱感知任务和预算B的报价b_i(b_min≤b_i≤b_max)；平台接收次用户对频谱感知任务和第一阈值的响应结果(对频谱感知任务和预算B的报价)；

(3)基于差分隐私，计算给出响应结果的每个次用户被选中的概率值；平台在保护用户报价隐私情况下计算选中各个用户的概率，在预算范围内选择概率最高的次用户，即在第一阈值范围内选择概率值最高的次用户；

(4)平台通过表决融合判断最终感知结果；

(5)在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息，平台向被选中的次用户支付报酬(发送确认信息)，所有的次用户更新自身信誉值。

检测概率是频谱感知的重要参数，任意次用户能量检测的检测概率为：

其中，P_f表示虚警概率，即当主用户不存在时次用户误判主用户存在的概率，t_i为用户i的感知时间，f_s为采样频率，一般为定值，t_if_s则是采样点数，SNR_i表示次用户接收主用户发送信号的信噪比，Q函数为互补累计分布函数：

平台一般会公布获选的用户以及对应的报价，假设用户A在前k轮竞价中均获胜，则他的报价信息被泄露，潜在的用户可以通过研究分析其前几轮的报价，通过恶意降低自身报价被平台选中，如果有数量足够多的潜在用户采取类似的方法，即使将用户的信誉值考虑在内，平台最终选取的用户集不是最优的，甚至会造成错误的感知结果。因此本发明考虑用户的隐私，将用户的报价b_i作为需要保护的信息。

M为一个随机函数，对于只相差一个单位的输入集合A和B，若任意的结果集O∈Range(M)，满足P_s[M(A)∈O]≤exp(ε)×P_s[M(B)∈O]+δ，则该函数是(ε,δ)差分隐私的。

假设Pr_i(z)表示当次用户报价为z时被平台选中的概率。对于报价向量

和报酬向量

的激励机制满足真实性，当且仅当任意的次用户满足以下三个条件：

(1)

是关于b_i的单调非递增函数；

(2)

(3)期望报酬满足

指数机制常常被用于设计提供差分隐私保护的激励机制。指数机制的关键是其得分函数，用f(A,o)表示，该得分函数将输入的数据集A和结果o∈O映射为一个真实价值的得分。这个得分表示所得结果的好坏。指数机制

选中结果o∈O的概率可以表示为：

其中ε是一个很小的常量。

假设Λ代表两个输入集之间差异的上限，那么指数机制有如下性质：指数机制保证2εΛ差分隐私；当指数机制被用于选择一个结果o∈O，对于任意的η≥0，其机制

能够保证2εΛ差分隐私且使O^*成为空间O实现f(A,o)＝max_of(A,o)的一个子集，同时确保

平台根据一定的准则选择合适的用户集完成感知任务，次用户的信誉值r_i是其中一个重要参数，假设次用户的信誉值仅与最近的前k轮的任务参与度相关：

其中，N_lose表示最近k轮感知任务中未被选中的次数，α表示第一加权银子，β表示第二加权因子；本发明的优化目标是检测概率最大化，优化的策略为选择的用户集，同时考虑到隐私保护，优化目标为：

该激励机制目标为获得最大检测概率，是一个NP-hard问题，通过分析系统模型以及对理解差分隐私相关定理，本发明将指数机制和反向拍卖结合起来，设计一个可以保证计算有效性、个人理性、真实性以及近似最大检测概率。

本实施例的机制中，所有的用户向平台上报自身对任务的报价，平台会根据用户的信誉值以及报价计算各个用户被选中的概率，在预算范围内，平台根据概率从大到小的顺序选择获胜的用户，被选中的用户执行任务并上报感知结果，平台向选中的用户支付一定的报酬，同时所有用户更新自身的信誉值以参与下一轮的感知任务。该机制具体分为用户参与、选择获胜者、支付报酬几个阶段，具体如下：

(1)用户参与

平台发布感知任务，所有的次用户积极参与任务，用户向平台提交自己的报价b_i，等待平台选择。同时平台能看到每个参与的用户的信誉值情况。

(2)选择获胜者

本实施例设计的激励机制会给每个参与任务的次用户分配一个概率值，该概率值代表每个用户被选中的概率，信誉值是其中的一个重要参数，表示参与的次用户提供信息的质量，其表达式如公式(4)所示。此外，为了应用指数机制解决隐私问题，本实施例设计了满足单调非递增性质的得分函数，具体为线性得分函数：f_LIN(x)＝x。每轮竞选中，对于竞选者i∈SU，其被选中的概率为：

其中ε'＝ε/(εln(e/δ)Λ)。为了保证得分函数非负，将概率进行归一化，则其表达式为：

平台根据设计的得分函数计算每个用户获胜的概率大小，在预算固定的情况下根据概率从大到小选择用户。此时无论用户是否被选中，用户都会更新此刻的信誉值。被选中的用户得到任务的执行权，完成感知任务并上报感知数据给平台，平台负责之后的数据处理，得到近似最大检测概率。

(3)支付报酬

对于任意获胜者i，其报酬pay_i可以表示为：

其中，

表示响应结果为z时被选中的概率，

表示响应结果为b_i时被选中的概率；本实施例提出的方法需要同时满足以下几个重要的性质：

(1)计算有效性：如果设计的机制能在多项式时间内结束，则在计算上是有效的；

(2)个人理性：如果每一个用户参与任务都能获得非负效用，则该机制具有个人理性，即所有次用户i∈W，当用户未虚假报价时，其效用u_i≥0。

(3)真实性：如果用户对任务的报价等于其真实价值时，其效用达到最大，则该机制满足真实性；

(4)检测概率最大化：该机制在预算范围内，获得最大检测概率。

(1)计算有效性证明：由于用户数N有限，方法迭代最多执行N次，因此方法的复杂度为O(n)，其计算有效性得证。

(2)个人理性证明：由公式(8)可知，本实施例设计的激励机制中，平台付给获胜者的报酬为

因此pay_i＞b_i＞c_i，所以u_i＝pay_i-c_i≥0，其个人理性得以保证。

(3)真实性证明：由公式(6)和(7)可知，用户i被选中的概率函数

是关于b_i的单调非增函数，此外，在本发明模型中所有参与的用户的报价都不高于b_max，因此可以得到

从而有

其真实性得到保证。

(4)差分隐私证明

对于任意的常量ε＞0和

线性得分函数可以保证(r_maxε(e-1)/e,δ)差分隐私。

证明：假设

和

是两个只相差一个用户报价的输入集，用

和

分别代表输入

和

线性得分函数选择的用户集。可以证明对于任意长度为l的用户序列S＝i₁,i₂,...,i_l，即使对外公布用户被选择的顺序，线性得分函数也可以保证差分隐私。对于给出的两个输入集

和

可以得到其概率比为：

当b_i＜b_i'，公式(9)右边一项最大为1，则有：

其中，

当b_i≥b_i'，式9左边一项最大为1，则有：

其中

对于所有x≤1，有

因此对于ε'≤1，有

由文献可知

定义输出集O，o∈O表示用户序列S＝i₁,i₂,...,i_l。将集合O划分为O'和O″两个集合，有O'＝O\O″，

因此有

综上差分隐私得证。

综上所述，本实施例将保护隐私的激励机制与频谱感知相结合，提出了一种具有隐私保护的频谱感知反向拍卖方法。该方法引入了差分隐私的概念，将指数机制应用于平台与用户间的反向拍卖中，平台选择获胜用户时将考虑用户的信誉值，并且使用了一种基于指数机制的线性得分函数选择最优的用户集，该方法在保护用户隐私前提下，实现检测概率的优化。

实施例二：

基于实施例一所述的基于差分隐私的群智频谱感知方法，本实施例提供一种基于差分隐私的群智频谱感知系统，包括：包括处理器和存储设备，所述存储设备中存储有多条指令，用于所述处理器加载并执行实施例一所述方法的步骤。

实施例三：

基于实施例一所述的基于差分隐私的群智频谱感知方法，本实施例提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行实施例一所述的方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims

1.一种基于差分隐私的群智频谱感知方法，其特征是，包括：

发布频谱感知任务和第一阈值；

接收对频谱感知任务和第一阈值的响应结果；

基于差分隐私，计算给出响应结果的每个次用户被选中的概率值；

在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息。

2.根据权利要求1所述的基于差分隐私的群智频谱感知方法，其特征是，所述基于差分隐私，计算给出响应结果的每个次用户被选中的概率值，并组成次用户集，包括：

a1、计算次用户的信誉值r_i，

可以表示为：

a2、将指数机制应用于线性得分函数，根据

计算每个次用户给出响应结果b_i时被选中的概率值，根据

将概率进行归一化。

3.根据权利要求2所述的基于差分隐私的群智频谱感知方法，其特征是，在所述从次用户集中在第一阈值范围内选择概率值最高的次用户，并向其发送确认信息之后，每个次用户更新自身的信誉值。

4.根据权利要求2所述的基于差分隐私的群智频谱感知方法，其特征是，所述确认信息为：

其中，

表示响应结果为z时被选中的概率，

表示响应结果为b_i时被选中的概率。

5.一种基于差分隐私的群智频谱感知系统，其特征是，包括：包括处理器和存储设备，所述存储设备中存储有多条指令，用于所述处理器加载并执行权利要求1～4任一项所述方法的步骤。

6.一种计算机可读存储介质，其特征是，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的方法。