CN114493810A - 物联网数据处理方法、装置及介质 - Google Patents

物联网数据处理方法、装置及介质 Download PDF

Info

Publication number
CN114493810A
CN114493810A CN202210387402.6A CN202210387402A CN114493810A CN 114493810 A CN114493810 A CN 114493810A CN 202210387402 A CN202210387402 A CN 202210387402A CN 114493810 A CN114493810 A CN 114493810A
Authority
CN
China
Prior art keywords
data
task
perception
value
demander
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.)
Granted
Application number
CN202210387402.6A
Other languages
English (en)
Other versions
CN114493810B (zh
Inventor
万武南
蒋秋璐
张仕斌
张金全
秦智
韩慧
郭锦良
邱晓芳
蒲槐霖
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.)
Shaanxi Bona Zhichuang Technology Co ltd
Original Assignee
Chengdu University of Information Technology
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 Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN202210387402.6A priority Critical patent/CN114493810B/zh
Publication of CN114493810A publication Critical patent/CN114493810A/zh
Application granted granted Critical
Publication of CN114493810B publication Critical patent/CN114493810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种物联网数据处理方法、装置及介质，通过获取感知数据的分类标签；将感知数据分为l个工作矩阵；利用回归模型对所述l个工作矩阵进行训练，计算得到感知数据的质量等级；本发明考虑数据需求者对每次共享任务的价格和数据质量等级有不同的需求，在筛选参与共享任务的数据拥有者时，根据赢标候选者的报价和其所提供感知数据的质量等级，计算出感知数据的价值。最终由感知数据的价值选出赢得此次拍卖的数据拥有者参与共享任务。最后，数据需求者根据不同的感知数据价值进行报酬分配，激励数据拥有者参与共享任务的同时，保证感知数据的质量。

Description

物联网数据处理方法、装置及介质
技术领域
本发明涉及一种物联网数据处理技术，具体的说，涉及一种物联网数据处理方法、装置及介质。
背景技术
近年来，物联网迎来了爆炸式发展，联网设备数量呈现指数级增长。众多的物联网设备也将产生海量的数据，如何对如此庞大的数据量进行价值挖掘，实现物联网系统之间的数据共享逐渐成为物联网领域的研究热点之一。然而，当前的物联网数据共享机制存在着信任缺失、隐私泄露和缺乏激励机制等原因导致用户不愿意参与。因此，设计一个合理的激励机制来激励足够多的数据拥有者参与共享任务，并提供高质可靠的感知数据是物联网数据共享中的一个重要的问题。
而群智感知是结合众包思想和移动设备感知能力的一种物联网数据共享新的数据获取模式。群智感知是指通过普通用户已有的移动智能设备形成交互式的、参与式的感知网络，执行特定的感知任务并上传给数据需求群体，从而帮助专业人员收集数据、分析信息和共享知识。在群智感知中同样面临用户出于安全顾虑和缺乏激励机制等原因不愿意参与共享数据的问题。
现有技术中，鲜有对感知数据质量的研究。少量对数据质量的研究大多采用无监督学习里的聚类算法，此类方法计算复杂，操作效率低。
并且，现有的物联网数据共享激励机制存在许多问题。首先，现有方案通常依赖于集中式服务器，面临管控不透明、单点故障等问题，无法确保用户数据的安全共享。区块链具有去中心化、开放性、不可篡改、匿名性等特征，可作为物联网数据共享激励机制中信任缺失问题的解决方案。本发明采用区块链安全的分布式架构，数据需求者和数据拥有者作为区块链中的节点参与共享任务，交易信息由区块链中的矿工验证并打包记录在区块链中，交易信息公开化、透明化，有效防止第三方篡改信息或参与共享任务的节点抵赖。
其次，据调查可知，区块链固有的性能瓶颈导致现有区块链系统的吞吐量远低于现有数据库。当前基于区块链技术的物联网数据共享激励机制的研究通常仅限于利用区块链技术解决第三方带来的安全性问题，对激励模型性能、效率的研究尚有不足。逆向拍卖是一种存在一位买方和许多潜在卖方的拍卖形式，可采用逆向拍卖模型解决激励模型的性能问题。本发明采用逆向拍卖模型，矿工通过拍卖排除不理性报价的数据拥有者，减少后续数据验证的工作量，提高了执行一次共享任务的效率。
发明内容
本发明的目的在于克服背景技术所提出的技术问题，提出了一种物联网数据处理方法、装置及介质。具体为单个数据需求者产生感知数据需求，多个数据拥有者竞争参与共享任务资格的情形。在该方法中，采用区块链技术，解决可信第三方带来的信任问题。基于逆向拍卖模型设计激励机制，帮助矿工筛选出不理性报价的数据拥有者，减少后续验证数据质量等级的工作量，提升了激励模型的性能。采用softmax回归算法计算感知数据的质量等级。最后通过数据拥有者报价和数据的质量等级计算数据的价值，根据不同的数据价值进行报酬分配，鼓励数据拥有者上传价格合理、高质可靠的数据。
本发明的具体技术方案如下：
根据本发明的第一方面，提供了一种感知数据的质量等级计算方法，所述方法包 括：获取感知数据的分类标签
Figure 829387DEST_PATH_IMAGE001
，其中
Figure 534038DEST_PATH_IMAGE002
取k个不同的取值，代表将感知 数据分为k个等级；
将感知数据分为l个工作矩阵
Figure 544719DEST_PATH_IMAGE003
；
利用回归模型对所述l个工作矩阵
Figure 794566DEST_PATH_IMAGE004
进行训练，计算得到感知数 据的质量等级；
所述感知数据的质量等级表示为：
Figure 890698DEST_PATH_IMAGE005
其中，h表示感知数据的质量等级计算函数，
Figure 602302DEST_PATH_IMAGE006
是所述回归模型的参数矩阵，
Figure 998648DEST_PATH_IMAGE007
代表一个多维度工作量向量，所述多维度工作量向量的维度根据感知数据的属性值确定，
Figure 137505DEST_PATH_IMAGE008
代表第
Figure 252092DEST_PATH_IMAGE009
个工作量向量对应的等级，
Figure 501808DEST_PATH_IMAGE010
Figure 487081DEST_PATH_IMAGE011
代表感知数 据的等级，
Figure 327998DEST_PATH_IMAGE012
是当回归模型参数为
Figure 398722DEST_PATH_IMAGE013
时工作向量
Figure 452129DEST_PATH_IMAGE014
属于j等级的概率， 表示为：
Figure 72335DEST_PATH_IMAGE015
Figure 552995DEST_PATH_IMAGE016
为列向量，表示j等级对应的模型参数，
Figure 845436DEST_PATH_IMAGE017
表示列向量
Figure 233692DEST_PATH_IMAGE016
的转置，T表示矩阵 转置运算，即
Figure 927979DEST_PATH_IMAGE017
是所述回归模型的参数矩阵
Figure 579540DEST_PATH_IMAGE018
的第j行，所述回归模型的参数矩阵
Figure 156015DEST_PATH_IMAGE018
如 下所示：
Figure 551224DEST_PATH_IMAGE019
。
根据本发明的第二方面，提供了一种感知数据的价值计算方法，所述方法包括：基 于感知数据的价格系数
Figure 100017DEST_PATH_IMAGE020
、质量系数
Figure 719217DEST_PATH_IMAGE021
通过如下公式计算每条数据的价值：
Figure 986250DEST_PATH_IMAGE022
其中，
Figure 467041DEST_PATH_IMAGE023
为竞标者报价，
Figure 870341DEST_PATH_IMAGE024
为感知数据的质量等级。
根据本发明的第三方面，提供了一种基于区块链和逆向拍卖模型的物联网数据处 理方法，所述方法包括：接收数据需求者在区块链网络中发布的共享任务，所述共享任务至 少包括任务类型、任务要求、人数门限、任务截止日期、质量公告、价值公告中的一种及其组 合；将数据拥有者的报价
Figure 129284DEST_PATH_IMAGE025
从低到高排列，其中， n为参与此次共享任务的数据拥有者总数，
Figure 414772DEST_PATH_IMAGE026
为数据需求者给出的当前共享任务的人数门 限，选择前
Figure 151784DEST_PATH_IMAGE027
个数据拥有者作为当前共享任务的候选者
Figure 675169DEST_PATH_IMAGE028
；通过各个候选者 的私钥计算对应感知数据的签名作为兑换报酬的凭证；根据如本发明各个实施例所述的方 法计算得到各个候选者对应的感知数据的价值；将各个候选者对应的的感知数据的价值
Figure 636172DEST_PATH_IMAGE029
从高到低排序，选择在前的
Figure 612218DEST_PATH_IMAGE026
个候选者作为 赢标者参与当前共享任务；利用发布当前共享任务的数据需求者的公钥给感知数据和数据 拥有者的签名加密后形成第一数据集，并将所述第一数据集发送至数据需求者。
根据本发明的第四方面，提供了一种基于区块链和逆向拍卖模型的物联网数据共 享激励装置，所述装置包括处理器，所述处理器被配置为：接收数据需求者在区块链网络中 发布的共享任务，所述共享任务至少包括任务类型、任务要求、人数门限、任务截止日期、质 量公告、价值公告中的一种及其组合；将数据拥有者的报价
Figure 152921DEST_PATH_IMAGE030
从低到高排列，其中，n为参与此次共享任务的数据拥 有者总数，
Figure 327550DEST_PATH_IMAGE026
为数据需求者给出的当前共享任务的人数门限，选择前
Figure 662717DEST_PATH_IMAGE027
个数据拥有者作 为当前共享任务的候选者；通过各个候选者的私钥计算对应感知数据的签名作为兑换报酬 的凭证；根据如本发明各个实施例所述的方法计算得到各个候选者对应的感知数据的价 值；将各个候选者对应的的感知数据的价值从高到低排序，选择在前的
Figure 391638DEST_PATH_IMAGE026
个候选者作为赢 标者参与当前共享任务；利用发布当前共享任务的数据需求者的公钥给感知数据和数据拥 有者的签名加密后形成第一数据集，并将所述第一数据集发送至数据需求者。
根据本发明的第五方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如本发明各个实施例中所述的基于区块链和逆向拍卖模型的物联网数据处理方法。
根据本发明各个实施例提供的物联网数据处理方法、装置及介质，利用区块链技术去中心化、分布式、不可篡改、匿名性的特点，解决传统激励机制中因可信第三方管控不透明、易受攻击带来的安全问题。
本发明考虑数据需求者对每次共享任务的价格和数据质量等级有不同的需求，在筛选参与共享任务的数据拥有者时，根据赢标候选者的报价和其所提供感知数据的质量等级，计算出感知数据的价值。最终由感知数据的价值选出赢得此次拍卖的数据拥有者参与共享任务。最后，数据需求者根据不同的感知数据价值进行报酬分配，激励数据拥有者参与共享任务的同时，保证感知数据的质量。
本发明采用逆向拍卖模型设计激励机制。数据拥有者参与拍卖报价，通过第一阶段报价筛选出不理性报价的数据拥有者，选出赢标候选者进入第二阶段，由矿工进行感知数据质量等级验证。通过第一阶段的筛选，减少了第二阶段矿工验证数据质量等级的工作量。矿工的工作量越少，需要支付给矿工的报酬就越少，感知数据拥有者分到的报酬就越多，从而增大了模型的激励效果。同时，逆向拍卖模型在第一轮能使数据拥有者根据自己成本理性出价，保证公平交易的同时，最大化买卖双方的利益。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明基于区块链和逆拍卖模型激励机制流程图；
图2为本发明中逆向拍卖框架图；
图3为群智感知应用场景下激励机制框架图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
现在结合说明书附图对本发明做进一步的说明。
本发明实施例提供一种感知数据的质量等级计算方法，所述方法开始于步骤 S100，获取感知数据的分类标签
Figure 250879DEST_PATH_IMAGE031
，其中
Figure 748856DEST_PATH_IMAGE032
可以取k个不同的取值，k代表将感 知数据分为k个等级。本文中所述的感知数据的分类标签通常在获取感知数据后即可获得 其分类标签。具体来说，通常感知数据应当至少包括物品的名称，因此通过物品的名称基本 可以对物品进行分类，根据分类的不同进而可以确定感知数据的分类标签。本文中所述的 感知数据可以包括多种不同的数据类型，包括文本数据、音频数据、影像数据等等，本发明 实施对此不作具体的限制。
在步骤S200，将感知数据分为
Figure 786082DEST_PATH_IMAGE033
个工作矩阵
Figure 2300DEST_PATH_IMAGE034
。
最后在步骤S300，利用回归模型对所述
Figure 884805DEST_PATH_IMAGE035
个工作矩阵
Figure 768448DEST_PATH_IMAGE036
进行训练， 计算得到感知数据的质量等级；
所述感知数据的质量等级表示为：
所述感知数据的质量等级表示为：
Figure 710996DEST_PATH_IMAGE037
其中，h表示感知数据的质量等级计算函数，
Figure 148930DEST_PATH_IMAGE038
则是所述回归模型的参数矩阵，
Figure 100706DEST_PATH_IMAGE039
代表一个n维工作量向量，其中n表示有数据的n个属性值，
Figure 573276DEST_PATH_IMAGE040
。
Figure 421146DEST_PATH_IMAGE041
代表第
Figure 628267DEST_PATH_IMAGE039
个工作量向量对应的等级，
Figure 852575DEST_PATH_IMAGE042
，j代表感知数据的等 级。
Figure 179651DEST_PATH_IMAGE043
表示当回归模型参数为
Figure 995161DEST_PATH_IMAGE038
，工作向量
Figure 407687DEST_PATH_IMAGE039
属于j等级的概率。
Figure 170107DEST_PATH_IMAGE044
Figure 882848DEST_PATH_IMAGE045
为列向量，表示j等级对应的模型参数，其中
Figure 338100DEST_PATH_IMAGE046
，j代表感知数据 的等级，即
Figure 769082DEST_PATH_IMAGE047
为n维参数列向量：
Figure 335192DEST_PATH_IMAGE048
则
Figure 371281DEST_PATH_IMAGE049
表示列向量
Figure 777861DEST_PATH_IMAGE050
的转置，即
Figure 164980DEST_PATH_IMAGE049
是
Figure 269202DEST_PATH_IMAGE051
矩阵的第j行。
Figure 956535DEST_PATH_IMAGE052
则是所述回归模型的 参数，如下所示：
Figure 753590DEST_PATH_IMAGE053
需要注意的是，回归模型可以是现有技术中普遍适用的回归模型，例如其可以是Soft max回归模型。
在接收感知数据后，可以根据数据需求者发布的价值公告里的感知数据质量等级的评定指标对感知数据进行质量等级验证。
仅作为实施例，本发明实施例假设的数据需求者为Google、Amazon、Uber 等大型 互联网公司，在发布感知任务阶段数据需求者会给出判断感知数据质量等级的标准，即能 给出给感知数据分类的标签
Figure 362426DEST_PATH_IMAGE054
，
Figure 67077DEST_PATH_IMAGE055
可以取k个不同的取值，k代表将感 知数据分为k个等级。
Figure 77758DEST_PATH_IMAGE056
下面将具体介绍本发明实施例如何判断感知数据的质量等级。
在实际过程中，数据需求者会通过权衡分类标准的精度和复杂度来最大化自己的 利益，划分出多个的等级，所以选用逻辑回归的一般化
Figure 45714DEST_PATH_IMAGE057
回归模型，在判断数据等级 时实现多分类的需求。
以连续的一段感知数据为例（如音频数据）。为了方便，将音频数据分为
Figure 673004DEST_PATH_IMAGE058
个工作 量矩阵
Figure 119029DEST_PATH_IMAGE059
。
将
Figure 249796DEST_PATH_IMAGE060
作为输入放到
Figure 670545DEST_PATH_IMAGE061
回归模型里去训练，计算感知数据 的质量等级，感知数据的质量等级表示为：
所述感知数据的质量等级表示为：
Figure 253973DEST_PATH_IMAGE062
其中，h表示感知数据的质量等级计算函数，
Figure 34847DEST_PATH_IMAGE063
则是所述回归模型的参数矩阵，
Figure 20120DEST_PATH_IMAGE064
代表一个n维工作量向量，其中n表示有数据的n个属性值，
Figure 329879DEST_PATH_IMAGE065
。
Figure 931762DEST_PATH_IMAGE066
代表第
Figure 985168DEST_PATH_IMAGE067
个工作量向量对应的等级，
Figure 824948DEST_PATH_IMAGE068
，j代表感知数据的 等级。
Figure 836767DEST_PATH_IMAGE069
表示当回归模型参数为
Figure 129208DEST_PATH_IMAGE063
，工作向量
Figure 986305DEST_PATH_IMAGE067
属于j等级的概率。
Figure 472737DEST_PATH_IMAGE070
Figure 124298DEST_PATH_IMAGE071
为列向量，表示j等级对应的模型参数，其中
Figure 169614DEST_PATH_IMAGE072
，j代表感知数据 的等级，即
Figure 95982DEST_PATH_IMAGE071
为n维参数列向量：
Figure 644775DEST_PATH_IMAGE073
则
Figure 732817DEST_PATH_IMAGE074
表示列向量
Figure 531008DEST_PATH_IMAGE075
的转置，即
Figure 464329DEST_PATH_IMAGE074
是
Figure 664366DEST_PATH_IMAGE076
矩阵的第j行。
Figure 923309DEST_PATH_IMAGE077
则是所述回归模型的 参数，如下所示：
Figure 412060DEST_PATH_IMAGE078
通过交叉熵法来确定回归模型的损失函数，所述损失函数表示为：
Figure 696542DEST_PATH_IMAGE079
；
其中，m为样本个数，
Figure 219927DEST_PATH_IMAGE080
。
通过梯度下降法更新回归模型的参数
Figure 384192DEST_PATH_IMAGE081
：
Figure 156976DEST_PATH_IMAGE082
其中，m为样本个数，
Figure 697679DEST_PATH_IMAGE083
。
更新回归模型的参数
Figure 75570DEST_PATH_IMAGE084
表示为：
Figure 207474DEST_PATH_IMAGE085
其中，
Figure 670817DEST_PATH_IMAGE086
代表批量梯度，
Figure 15210DEST_PATH_IMAGE087
，j代表感知数据的等级，
Figure 44346DEST_PATH_IMAGE088
表j等级对应 的模型参数
通过不断的更新参数并将更新的参数重新代入回归模型中开始新一轮的训练，最 终求得损失函数的最小值
Figure 550414DEST_PATH_IMAGE089
，此时求得的参数
Figure 547058DEST_PATH_IMAGE090
是通过Softmax回归模型求得的最 优参数。自此，将参数
Figure 429563DEST_PATH_IMAGE091
代入感知数据的质量等级的公式中得出这段感知数据的质量等级
Figure 782047DEST_PATH_IMAGE092
。
本发明实施例还提供一种感知数据的价值计算方法，所述方法包括：
基于感知数据的价格系数
Figure 990174DEST_PATH_IMAGE093
、质量系数
Figure 428109DEST_PATH_IMAGE094
，通过如下公式计算每条数据的价值：
Figure 114305DEST_PATH_IMAGE095
其中，
Figure 852454DEST_PATH_IMAGE096
为竞标者报价，
Figure 965904DEST_PATH_IMAGE097
为感知数据的质量等级。
在具体实施时，可以通过矿工对感知数据的质量等级进行验证之后，根据数据需 求者发布的价值公告里的价格系数
Figure 891134DEST_PATH_IMAGE098
和感知数据质量系数
Figure 646601DEST_PATH_IMAGE099
，计算每条数据的价值。价值 的评估结果作为发放报酬的标准，通过对感知数据划分不同价值等级匹配不同酬金来激励 用户提供价格合理、质量更高的数据。
本发明实施例还提供一种基于区块链和逆向拍卖模型的物联网数据处理方法，所述方法开始于步骤S1，接收数据需求者在区块链网络中发布的共享任务，所述共享任务至少包括任务类型、任务要求、人数门限、任务截止日期、质量公告、价值公告中的一种及其组合。本文中所述的“数据需求者”具体可以是在进入区块链网络时需要完成注册，并缴纳保证金的感知用户中，对数据有需求的感知用户。数据需求者可以通过区块链网络发布共享任务。
仅作为示例，在步骤S1这一阶段，数据需求者发布感知任务
Figure 973677DEST_PATH_IMAGE100
。首先， 数据需求者用自己的私钥
Figure 258028DEST_PATH_IMAGE101
对此次感知任务签名
Figure 686866DEST_PATH_IMAGE102
，然后把 签名附于感知任务公告之后一起发布在区块链网络上。感知任务包括任务类型、任务要求、 人数门限
Figure 714865DEST_PATH_IMAGE103
、任务截止日期、价值公告等信息。在价值公告里数据需求者给出具体的感知数 据质量等级的评定指标
Figure 896448DEST_PATH_IMAGE104
，价格系数
Figure 882858DEST_PATH_IMAGE098
，感知数据质量系数
Figure 782681DEST_PATH_IMAGE099
， 具体的感知数据价值的评定指标
Figure 879950DEST_PATH_IMAGE105
，并给出对应感知数据价 值的报酬标准
Figure 916039DEST_PATH_IMAGE106
。感知数据的价值越高报酬越高，价值越低报酬越低。另 外，数据需求者还可以根据预计的报酬总数给予押金
Figure 542193DEST_PATH_IMAGE107
，押金
Figure 194891DEST_PATH_IMAGE108
包括矿工的报酬和感知用 户的报酬。
在步骤S2中，将数据拥有者的报价
Figure 564692DEST_PATH_IMAGE109
从低到高排列，其中，n为参与此次 共享任务的数据拥有者总数，
Figure 720867DEST_PATH_IMAGE110
为数据需求者给出的当前共享任务的人数门限，选择前
Figure 298348DEST_PATH_IMAGE111
个数据拥有者作为当前共享任务的候选者。
在步骤S2之前，可以根据数据需求者发布的感知任务
Figure 907184DEST_PATH_IMAGE112
，并评估感知代 价，决定是否参与竞拍。用户实际所得利益为：
Figure 815097DEST_PATH_IMAGE113
Figure 356937DEST_PATH_IMAGE114
为用户参与感知任务获得的报酬，
Figure 324893DEST_PATH_IMAGE115
为用户参与感知任务的总代价。
当
Figure 421025DEST_PATH_IMAGE116
时，感知用户作为竞标者参与这次感知任务并进行报价，即成为了 当前感知任务（共享任务）的数据拥有者。本发明实施例采用逆向拍卖模型，即一个买方多 个卖方。多个感知用户参与同一感知任务，因此感知用户参与感知任务存在竞争者，所以感 知用户会尽可能理性报价。矿工将参与感知任务用户的报价从低到高排列
Figure 663787DEST_PATH_IMAGE117
，其中，n为参与此次拍卖的感知用户数 量，
Figure 794554DEST_PATH_IMAGE118
为数据需求者给出的此次感知任务的人数门限。为了保证整体社会福利，要求参与 竞标的人数大于数据需求者对此次感知任务人数的要求，否则不执行此次感知任务。自此， 开始第一轮选拔。为了避免竞标者上传不符合数据需求者要求的感知数据等情况，矿工选 取价格由低到高排列的前
Figure 464570DEST_PATH_IMAGE119
个竞标者作为赢标侯选者
Figure 782419DEST_PATH_IMAGE120
。
步骤S3，通过各个候选者的私钥计算对应感知数据的签名作为兑换报酬的凭证。 选取的前
Figure 297714DEST_PATH_IMAGE119
个赢标候选者，用他们的私钥
Figure 564878DEST_PATH_IMAGE121
计算感知数据的签名
Figure 874637DEST_PATH_IMAGE122
作为兑换报酬的凭证，将凭证附于感知数据
Figure 679782DEST_PATH_IMAGE123
之后一起上传给矿工。
步骤S4，根据如本发明任一实施例所述的方法计算得到各个候选者对应的感知数据的价值。具体的计算方法、原理及相应的技术效果在前文已经阐述，在此不再累述。
步骤S5，将各个候选者对应的的感知数据的价值
Figure 264347DEST_PATH_IMAGE124
从高到低排序，选择在前的至少一个 候选者作为赢标者参与当前共享任务。
步骤S6，利用发布当前共享任务的数据需求者的公钥给感知数据和数据拥有者的 签名加密后形成第一数据集，并将所述第一数据集发送至数据需求者。仅作为示例，矿工利 用发布此次感知任务的数据需求者的公钥
Figure 104127DEST_PATH_IMAGE125
给感知数据
Figure 584787DEST_PATH_IMAGE126
和感知用户的签名
Figure 673966DEST_PATH_IMAGE127
加密，之后，将数据转发给数据需求者。如果数据需求者能用自己的私 钥
Figure 265484DEST_PATH_IMAGE128
解密成功，则成功获得数据，并成功认证了自己的身份。
在一些实施例中，一种基于区块链和逆向拍卖模型的物联网数据处理方法还包括 身份认证和数据完整性验证、验证矿工计算结果以及报酬分配等步骤。具体说来，身份认证 和数据完整性验证通过如下方法实现：假设数据需求者是专业的、理性的。获取感知数据之 后，数据需求者利用感知用户的公钥
Figure 225350DEST_PATH_IMAGE129
解签名，如果数据需求者解签名成功则成功认证 用户
Figure 408069DEST_PATH_IMAGE130
的身份,然后给予用户报酬,否则不给予报酬，这样就完成了用户
Figure 187806DEST_PATH_IMAGE131
身份认证和报 酬分配的工作。另外数据需求者收到矿工转发的数据之后计算感知数据
Figure 583016DEST_PATH_IMAGE132
明文的摘 要,并将计算的摘要与用户
Figure 177814DEST_PATH_IMAGE131
的公钥解密后的摘要比较,如果一致则说明数据没有被篡 改。这样就完成了感知数据完整性的认证，能够有效防止数据篡改。
验证矿工计算结果通过如下方法实现：数据需求者完成对感知用户的身份认证和数据完整性验证之后，验证矿工计算感知数据质量等级和数据价值的正确性，并检验感知数据的有效性。数据需求者验证完成后，向感知用户发放相应的报酬。
报酬分配通过如下方法实现：数据需求者完成一系列验证之后，根据感知数据的价值向相应的感知用户发放报酬。最后矿工将执行一次感知任务看作一次交易打包记录在区块链上，防止不诚信节点篡改交易信息或者抵赖。
本发明实施例还提供一种基于区块链和逆向拍卖模型的物联网数据共享激励装 置，所述装置包括处理器，所述处理器被配置为：接收数据需求者在区块链网络中发布的共 享任务，所述共享任务至少包括任务类型、任务要求、人数门限、任务截止日期、质量公告、 价值公告中的一种及其组合；将数据拥有者的报价
Figure 276DEST_PATH_IMAGE133
从低到高排列，其中，n为参与此次共享任务的数 据拥有者总数，
Figure 267310DEST_PATH_IMAGE134
为数据需求者给出的当前共享任务的人数门限，选择前
Figure 997368DEST_PATH_IMAGE135
个数据拥有 者作为当前共享任务的候选者；通过各个候选者的私钥计算对应感知数据的签名作为兑换 报酬的凭证；根据如上所述的方法计算得到各个候选者对应的感知数据的价值；将各个候 选者对应的的感知数据的价值
Figure 666247DEST_PATH_IMAGE136
从高到低排序，选择 在前的N个候选者作为赢标者参与当前共享任务；利用发布当前共享任务的数据需求者的 公钥给感知数据和数据拥有者的签名加密后形成第一数据集，并将所述第一数据集发送至 数据需求者。
需要注意的是本发明实施例中所述的处理器可以是包括一个以上通用处理设备的处理设备，诸如微处理器、中央处理单元（CPU）、图形处理单元（GPU）等。更具体地，处理器可以是复杂指令集计算（CISC）微处理器、精简指令集计算（RISC）微处理器、超长指令字（VLIW）微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。处理器还可以是一个以上专用处理设备，诸如专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、片上系统（SoC）等。
在一些实施例中，所述处理器被进一步配置为：根据数据需求者的公钥对所述第一数据集进行解密，以认证数据需求者的身份；根据解密后的第一数据集的摘要与预设的摘要进行比对；在解密后的第一数据集的摘要与预设的摘要比对一致的情况下，依据发布的共享任务中的价值公告向对应数据拥有者发放报酬。
在一些实施例中，所述处理器被进一步配置为：在解密后的第一数据集的摘要与预设的摘要比对一致的情况下，对计算的感知数据质量等级和数据价值进行验证，在验证无误的情况下，依据发布的共享任务中的价值公告向对应数据拥有者发放报酬。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如本发明各个实施例中所述的基于区块链和逆向拍卖模型的物联网数据处理方法。
下面将详细介绍根据本发明实施例提供的基于区块链和逆向拍卖模型的物联网 数据处理方法具体实现方法。请参考图1所示，该方法主要包括三个参与者，三个参与者在 区块链上各自进行相应的操作，三个参与者是数据需求者，数据拥有者以及矿工。首先，通 过数据需求者在区块链上发布共享任务公告，数据拥有者在看到相应公告后，参与拍卖报 价。矿工根据数据拥有者给出的拍卖报价，将数据拥有者的报价
Figure 190769DEST_PATH_IMAGE137
从低到高排列，其中，n为参与此次共享任务 的数据拥有者总数，
Figure 945099DEST_PATH_IMAGE138
为数据需求者给出的当前共享任务的人数门限，选择前
Figure 947690DEST_PATH_IMAGE139
个数据 拥有者作为当前共享任务的候选者，选出参与拍卖的赢标候选者。并在赢标候选者中，计算 数据质量等级。具体说来，计算数据质量等级是将赢标候选者给出的拍卖报价和/或数据需 求者的共享任务公告作为感知数据，该感知数据至少包括拍卖物名称、报价等等，并按照本 发明实施例在前阐述的感知数据的质量等级计算方法来计算数据质量等级。随后，矿工根 据本发明实施例在前阐述的感知数据的价值计算方法来计算数据价值，并根据计算数据价 值选出参与拍卖的赢标者参与共享任务。矿工将感知数据转发并反馈计算结构至数据需求 者，数据需求者进行身份验证以及数据完整性验证，数据需求者验证矿工计算结果。数据需 求者在确认计算结果满意后，根据矿工计算数据价值发放报酬，最后数据拥有者获得报酬。
如图2所示，本发明实施例可以适用于逆向拍卖模式。多个卖家（数据拥有者或感知用户）面向一个买家（数据需求者）。并结合图3所示。逆向拍卖模式包括两个阶段，分别为第一阶段和第二阶段。在第一阶段，数据拥有者参与拍卖，对其所有数据进行出价，矿工数据拥有者拍卖报价排除不理性报价的数据拥有者，选出赢得此次拍卖的候选者进入第二阶段。具体来说，基于区块链，数据需求者首先发布感知任务，感知用户（参与逆向拍卖的数据拥有者）参与逆向拍卖并给出报价后成为候选者，矿工基于候选者上传的感知数据，选出赢得此次拍卖的候选者进入第二阶段。在第二阶段，候选者者将数据上传给矿工，矿工计算数据的质量等级，并根据第一阶段报价和数据质量等级计算数据价值，最后，根据数据价值选出此次拍卖的赢标者参与共享任务。具体来说，基于区块链，矿工计算感知数据的质量和价值，并反馈计算结果给数据需求者，数据需求者在确认后，发放报酬至对应的感知用户，完成一次逆向拍卖。
最后，需要说明的是，本发明实施例所述的三个参与者即数据需求者，数据拥有者和矿工，其属于物联网中的一个组成单元，具体可以是物联网的终端设备，可以是任意的可以接入物联网的设备，例如，云服务器、边缘服务器、智能手机、计算机等等。
以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种感知数据的质量等级计算方法，其特征在于，所述方法包括：
获取感知数据的分类标签
Figure 446407DEST_PATH_IMAGE001
，其中
Figure 363548DEST_PATH_IMAGE002
取k个不同的取值，代表将 感知数据分为k个等级；
将感知数据分为l个工作矩阵
Figure 674444DEST_PATH_IMAGE003
；
利用回归模型对所述l个工作矩阵
Figure 69653DEST_PATH_IMAGE004
进行训练，计算得到感知数据 的质量等级；
所述感知数据的质量等级表示为：
Figure 884025DEST_PATH_IMAGE005
其中，h表示感知数据的质量等级计算函数，
Figure 988378DEST_PATH_IMAGE006
是所述回归模型的参数矩阵，
Figure 255412DEST_PATH_IMAGE007
代表一 个多维度工作量向量，所述多维度工作量向量的维度根据感知数据的属性值确定，
Figure 454312DEST_PATH_IMAGE008
代表第
Figure 654349DEST_PATH_IMAGE007
个工作量向量对应的等级，
Figure 647713DEST_PATH_IMAGE009
， j代表感知数据 的等级，
Figure 402042DEST_PATH_IMAGE010
是当回归模型参数为
Figure 670213DEST_PATH_IMAGE011
时工作向量
Figure 193598DEST_PATH_IMAGE012
属于j等级的概率，表示为：
Figure 623442DEST_PATH_IMAGE013
Figure 396226DEST_PATH_IMAGE014
为列向量，表示j等级对应的模型参数，
Figure 671350DEST_PATH_IMAGE015
表示列向量
Figure 314820DEST_PATH_IMAGE014
的转置，T表示矩阵转置运 算，即
Figure 430413DEST_PATH_IMAGE015
是所述回归模型的参数矩阵
Figure 159334DEST_PATH_IMAGE016
的第j行，所述回归模型的参数矩阵
Figure 238149DEST_PATH_IMAGE017
如下所 示：
Figure 267285DEST_PATH_IMAGE018
。
2.根据权利要求1所述的方法，其特征在于，利用回归模型对所述
Figure 38932DEST_PATH_IMAGE019
个工作矩阵
Figure 989570DEST_PATH_IMAGE020
进行训练，计算得到感知数据的质量等级，具体包括：
通过交叉熵法来确定回归模型的损失函数，所述损失函数表示为：
Figure 403234DEST_PATH_IMAGE021
其中，m为样本个数，
Figure 755718DEST_PATH_IMAGE022
通过梯度下降法更新回归模型的参数
Figure 698266DEST_PATH_IMAGE023
：
Figure 667359DEST_PATH_IMAGE024
其中，m为样本个数，
Figure 87976DEST_PATH_IMAGE025
更新回归模型的参数
Figure 560546DEST_PATH_IMAGE026
表示为：
Figure 955886DEST_PATH_IMAGE027
其中，
Figure 881117DEST_PATH_IMAGE028
代表批量梯度，
Figure 105425DEST_PATH_IMAGE029
，j代表感知数据的等级，
Figure 698080DEST_PATH_IMAGE030
代表j等级对应的 模型参数；
通过不断地更新回归模型的参数并将更新的回归模型的参数代入所述回归模型中开始新一轮的训练，获得所述损失函数的最小值；
基于所述损失函数的最小值确定所述回归模型的最优参数，并通过所述最优参数确定所述感知数据的质量等级。
3.一种感知数据的价值计算方法，其特征在于，所述方法包括：
基于感知数据的价格系数
Figure 982431DEST_PATH_IMAGE031
、质量系数
Figure 926116DEST_PATH_IMAGE032
以及如权利要求1或2所述的方法计算得到 的感知数据的质量等级，通过如下公式计算每条数据的价值：
Figure 954115DEST_PATH_IMAGE033
其中，
Figure 135698DEST_PATH_IMAGE034
为竞标者报价，
Figure 856529DEST_PATH_IMAGE035
为感知数据的质量等级。
4.一种基于区块链和逆向拍卖模型的物联网数据处理方法，其特征在于，所述方法包括：
接收数据需求者在区块链网络中发布的共享任务，所述共享任务至少包括任务类型、任务要求、人数门限、任务截止日期、质量公告、价值公告中的一种及其组合；
将数据拥有者的报价
Figure 756352DEST_PATH_IMAGE036
从低到高排列，其中，n为参与 此次共享任务的数据拥有者总数，
Figure 322463DEST_PATH_IMAGE037
为数据需求者给出的当前共享任务的人数门限，选择 前
Figure 404557DEST_PATH_IMAGE038
个数据拥有者作为当前共享任务的候选者；
通过各个候选者的私钥计算对应感知数据的签名作为兑换报酬的凭证；
根据如权利要求3所述的方法计算得到各个候选者对应的感知数据的价值；
将各个候选者对应的的感知数据的价值
Figure 765131DEST_PATH_IMAGE039
从 高到低排序，选择在前的
Figure 152250DEST_PATH_IMAGE040
个作为赢标者参与当前共享任务；
利用发布当前共享任务的数据需求者的公钥给感知数据和数据拥有者的签名加密后形成第一数据集，并将所述第一数据集发送至数据需求者。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据数据需求者的公钥对所述第一数据集进行解密，以认证数据需求者的身份；
根据解密后的第一数据集的摘要与预设的摘要进行比对；
在解密后的第一数据集的摘要与预设的摘要比对一致的情况下，向所述数据需求者发送感知数据质量等级和数据价值。
6.根据权利要求5所述的方法，其特征在于，在解密后的第一数据集的摘要与预设的摘要比对一致的情况下之后，还包括：
在接收到感知数据质量等级和数据价值验证无误的信号的情况下，依据发布的共享任务中的价值公告向对应数据拥有者发放报酬。
7.一种基于区块链和逆向拍卖模型的物联网数据共享激励装置，其特征在于，所述装置包括处理器，所述处理器被配置为：
接收数据需求者在区块链网络中发布的共享任务，所述共享任务至少包括任务类型、任务要求、人数门限、任务截止日期、质量公告、价值公告中的一种及其组合；
将数据拥有者的报价
Figure 53210DEST_PATH_IMAGE041
从低到高排列，其中，n为参 与此次共享任务的数据拥有者总数，
Figure 943806DEST_PATH_IMAGE042
为数据需求者给出的当前共享任务的人数门限，选 择前
Figure 740860DEST_PATH_IMAGE043
个数据拥有者作为当前共享任务的候选者；
通过各个候选者的私钥计算对应感知数据的签名作为兑换报酬的凭证；
根据如权利要求3所述的方法计算得到各个候选者对应的感知数据的价值；
将各个候选者对应的的感知数据的价值从高到低排序，选择在前的至少一个候选者作为赢标者参与当前共享任务；
利用发布当前共享任务的数据需求者的公钥给感知数据和数据拥有者的签名加密后形成第一数据集，并将所述第一数据集发送至数据需求者。
8.根据权利要求7所述的装置，其特征在于，所述处理器被进一步配置为：
根据数据需求者的公钥对所述第一数据集进行解密，以认证数据需求者的身份；
根据解密后的第一数据集的摘要与预设的摘要进行比对；
在解密后的第一数据集的摘要与预设的摘要比对一致的情况下，向所述数据需求者发送感知数据质量等级和数据价值。
9.根据权利要求7所述的装置，其特征在于，所述处理器被进一步配置为：
在接收到感知数据质量等级和数据价值验证无误的信号的情况下，依据发布的共享任务中的价值公告向对应数据拥有者发放报酬。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求4-6中的任一项所述的方法。
CN202210387402.6A 2022-04-14 2022-04-14 物联网数据处理方法、装置及介质 Active CN114493810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210387402.6A CN114493810B (zh) 2022-04-14 2022-04-14 物联网数据处理方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210387402.6A CN114493810B (zh) 2022-04-14 2022-04-14 物联网数据处理方法、装置及介质

Publications (2)

Publication Number Publication Date
CN114493810A true CN114493810A (zh) 2022-05-13
CN114493810B CN114493810B (zh) 2022-07-05

Family

ID=81488513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210387402.6A Active CN114493810B (zh) 2022-04-14 2022-04-14 物联网数据处理方法、装置及介质

Country Status (1)

Country Link
CN (1) CN114493810B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184062A (zh) * 2015-08-25 2015-12-23 中国人民解放军后勤工程学院 在群智感知网络中基于置信区间的用户感知质量评估方法
CN105426839A (zh) * 2015-11-18 2016-03-23 清华大学 基于稀疏自动编码器的电力系统过电压分类方法
CN106161508A (zh) * 2015-03-30 2016-11-23 赵蕴龙 一种参与感知系统中信息质量的动态价格激励方法
CN107464571A (zh) * 2016-06-06 2017-12-12 南京邮电大学 一种数据质量评估的方法、设备及系统
WO2018099725A1 (en) * 2016-12-02 2018-06-07 Realeyes Oü Data processing methods for predictions of media content performance
CN108846410A (zh) * 2018-05-02 2018-11-20 湘潭大学 基于稀疏自动编码深度神经网络的电能质量扰动分类方法
CN109993640A (zh) * 2019-03-26 2019-07-09 清华大学深圳研究生院 一种基于数据质量的移动群智感知在线定价方法和系统
US20190236478A1 (en) * 2018-01-29 2019-08-01 Slice Technologies, Inc. Quality of labeled training data
US20190349254A1 (en) * 2016-12-30 2019-11-14 Intel Corporation Service Provision To IoT Devices
WO2019216941A1 (en) * 2018-05-08 2019-11-14 Siemens Corporation Quality inference from living digital twins in iot-enabled manufacturing systems
CN110677395A (zh) * 2019-09-13 2020-01-10 西安邮电大学 基于安全且具备隐私保护的激励方法及实时地图更新系统
CN111651981A (zh) * 2019-02-19 2020-09-11 阿里巴巴集团控股有限公司 数据的审核方法、装置及设备
CN111800477A (zh) * 2020-06-15 2020-10-20 浙江理工大学 一种面向边缘计算数据质量感知的区别化激励方法
CN112950251A (zh) * 2021-05-11 2021-06-11 北京航空航天大学 一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法
CN113079486A (zh) * 2021-04-08 2021-07-06 青岛科技大学 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
CN113360643A (zh) * 2021-05-27 2021-09-07 重庆南鹏人工智能科技研究院有限公司 一种基于短文本分类的电子病历数据质量评价方法
WO2021216655A1 (en) * 2020-04-22 2021-10-28 Opti-Harvest, Inc. Agricultural data integration and analysis platform
CN114139203A (zh) * 2021-12-03 2022-03-04 成都信息工程大学 基于区块链的异构身份联盟风险评估系统、方法及终端
US20220084095A1 (en) * 2020-09-11 2022-03-17 Beijing Wodong Tianjun Information Technology Co., Ltd. System and method for quality assessment of product description

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106161508A (zh) * 2015-03-30 2016-11-23 赵蕴龙 一种参与感知系统中信息质量的动态价格激励方法
CN105184062A (zh) * 2015-08-25 2015-12-23 中国人民解放军后勤工程学院 在群智感知网络中基于置信区间的用户感知质量评估方法
CN105426839A (zh) * 2015-11-18 2016-03-23 清华大学 基于稀疏自动编码器的电力系统过电压分类方法
CN107464571A (zh) * 2016-06-06 2017-12-12 南京邮电大学 一种数据质量评估的方法、设备及系统
WO2018099725A1 (en) * 2016-12-02 2018-06-07 Realeyes Oü Data processing methods for predictions of media content performance
US20190349254A1 (en) * 2016-12-30 2019-11-14 Intel Corporation Service Provision To IoT Devices
US20190236478A1 (en) * 2018-01-29 2019-08-01 Slice Technologies, Inc. Quality of labeled training data
CN108846410A (zh) * 2018-05-02 2018-11-20 湘潭大学 基于稀疏自动编码深度神经网络的电能质量扰动分类方法
WO2019216941A1 (en) * 2018-05-08 2019-11-14 Siemens Corporation Quality inference from living digital twins in iot-enabled manufacturing systems
CN111651981A (zh) * 2019-02-19 2020-09-11 阿里巴巴集团控股有限公司 数据的审核方法、装置及设备
CN109993640A (zh) * 2019-03-26 2019-07-09 清华大学深圳研究生院 一种基于数据质量的移动群智感知在线定价方法和系统
CN110677395A (zh) * 2019-09-13 2020-01-10 西安邮电大学 基于安全且具备隐私保护的激励方法及实时地图更新系统
WO2021216655A1 (en) * 2020-04-22 2021-10-28 Opti-Harvest, Inc. Agricultural data integration and analysis platform
CN111800477A (zh) * 2020-06-15 2020-10-20 浙江理工大学 一种面向边缘计算数据质量感知的区别化激励方法
US20220084095A1 (en) * 2020-09-11 2022-03-17 Beijing Wodong Tianjun Information Technology Co., Ltd. System and method for quality assessment of product description
CN113079486A (zh) * 2021-04-08 2021-07-06 青岛科技大学 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
CN112950251A (zh) * 2021-05-11 2021-06-11 北京航空航天大学 一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法
CN113360643A (zh) * 2021-05-27 2021-09-07 重庆南鹏人工智能科技研究院有限公司 一种基于短文本分类的电子病历数据质量评价方法
CN114139203A (zh) * 2021-12-03 2022-03-04 成都信息工程大学 基于区块链的异构身份联盟风险评估系统、方法及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
D. PENG, F. WU AND G. CHEN: "《Data Quality Guided Incentive Mechanism Design for Crowdsensing》", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》 *

Also Published As

Publication number Publication date
CN114493810B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
Beniiche A study of blockchain oracles
US11257070B2 (en) Computer-implemented system and method for generating and extracting user related data stored on a blockchain
US11551212B2 (en) Methods and systems for management of a blockchain-based computer-enabled networked ecosystem
Pasdar et al. Connect API with blockchain: A survey on blockchain oracle implementation
CN110192216B (zh) 计算机实现的方法和系统
Baek et al. A technology valuation model to support technology transfer negotiations
Fantazzini et al. Everything you always wanted to know about bitcoin modelling but were afraid to ask
CN113268760B (zh) 一种基于区块链的分布式数据融合平台
KR102533525B1 (ko) 경쟁자 예측 기반 전자 입찰 컨설팅 시스템
Zhang et al. A framework for trust modeling in multiagent electronic marketplaces with buying advisors to consider varying seller behavior and the limiting of seller bids
Glebova et al. New currencies and new values in professional sports: blockchain, NFT, and fintech through the stakeholder approach
CN114493810B (zh) 物联网数据处理方法、装置及介质
CN111861684B (zh) 招标数据及流程的线上管理平台
CN115358894A (zh) 一种知识产权生命周期托管管理方法、装置、设备及介质
Kamaleshwaran et al. Digital Certification–Certification Credential as Non Fungible Token (NFT)
Liu et al. Trust in ESG Reporting: The Intelligent Veri-Green Solution for Incentivized Verification
KR102535698B1 (ko) 블록체인 기반 대체 불가능 토큰을 이용한 자산 관리 서비스 제공 방법 및 상기 방법을 수행하는 자산 관리 서비스 제공 시스템
KR102451291B1 (ko) 경쟁자 예측 기반 전자 입찰 컨설팅 시스템
Nikitha et al. E-auction using Blockchain Mechanism
Aljohani Leveraging Blockchain for Trust Enhancement in Decentralized Marketplaces: A Reputation System Perspective
Kumar TRUSTWORTHY AND EFFICIENT BLOCKCHAIN-BASED E-COMMERCE MODEL
Gupta et al. Cryptocurrency Trend Analyser and Recommendation System using Deep Learning
KR20230121271A (ko) 디지털 창작물 가치평가 시스템
Chaudhary Fairness in NIL-based NFT marketplace (NNM)
KR20230062485A (ko) 블록체인 기반 대체 불가능 토큰을 이용한 자산 관리 서비스 제공 방법 및 상기 방법을 수행하는 자산 관리 서비스 제공 시스템

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230529

Address after: Room 12403, Unit 1, Building 1, San Diego, No. 36 Fangxin Road, Weiyang District, Xi'an City, Shaanxi Province, 710016

Patentee after: Shaanxi Bona Zhichuang Technology Co.,Ltd.

Address before: 610225 24 section 1 Xuefu Road, Southwest Airport Economic Development Zone, Chengdu, Sichuan

Patentee before: CHENGDU University OF INFORMATION TECHNOLOGY