移动边缘群智感知动态隐私度量模型与评价机制

赵明烽，Lei Chen，钟洋，熊金波,3

移动边缘群智感知动态隐私度量模型与评价机制

赵明烽1，Lei Chen2，钟洋1，熊金波1,3

（1. 福建师范大学数学与信息学院，福建 福州 350117；2. College of Engineering and Computing, Georgia Southern University, GA, 30458；3. 福建省网络安全与密码技术重点实验室，福建 福州 350117）

移动边缘群智感知中，用户执行感知任务采集数据所包含的隐私量是动态变化且不直观的，数据上传亦缺乏隐私风险预警值，提出一种动态隐私度量（DPM）模型。给出用户参与感知任务所获数据的结构化表示并转化成原始数值矩阵，引入隐私属性偏好与时效性因素实现对该矩阵的权重叠加，以度量数据所含隐私的动态变化，基于权重叠加后的矩阵合理计算用户个性化隐私阈值，并进行差分隐私处理。在此基础上，设计一种隐私度量模型评价机制。仿真结果表明，模型是有效且合理的，根据所给范例，差分隐私处理后的数据效用达到0.7，随噪声水平增加，隐私保护程度（PDD）可显著提升，适应物联网移动边缘群智感知范式。

动态隐私度量；个性化隐私阈值；差分隐私；模型评价；移动边缘群智感知

1 引言

作为一种新颖的物联网感知模式，移动边缘群智感知（MECS）[1]借助各式各样的智能终端[2-3]、可穿戴设备协同完成一些泛在智慧型深度社会感知任务，帮助推动现代城市的立体功能延伸和功能耦合，高度响应了国家政府和产业界对智慧城市建设[4-5]的号召。同时，随着第五代（5G）移动通信网络[6-7]的到来和“万物互联”建设脚步的加快[8]，人们对移动应用服务的需求量日益剧增，由此催生的海量移动数据包含着用户众多的隐私信息。……