基于信任模型的鲁棒众包数据分析方法

孙 杰，陈 敏，焦玉全

(1.南京邮电大学 计算机技术、软件工程、空间安全学院，江苏 南京 210003；2.南京邮电大学，江苏 南京 210003)

0 引 言

随着通信基础设施和网络信息技术的迅速发展，依托于网络环境的众包[1]研究也在逐步深入。互联网具备的覆盖面广、无地域限制等优势，也使得过去只能面向专业机构的外包可以通过互联网扩展到全社会，国内外众多网络化众包服务市场日趋完善。

大量的志愿者得益于众包提供的工作模式，获得了不小的报酬。但是，在这一过程中，有些志愿者并没有认真地完成任务，为了骗取佣金，使利益最大化，往往会提供虚假数据[2]，导致众包任务结果准确度不高。针对这一问题，现有的解决方式多为采用基于黄金标准数据策略[3-4]的研究方法，在任务开始之前，对工作者的工作能力进行检测评估，筛选出符合要求的工作者来完成任务。但是这种方式局限性比较大，对于恶意工作者[5-7]的预防效果比较低，最终所得结果准确度不高，无法满足雇主的需求。

该文提出一种新的方法，在考虑众包工作者历史信誉度的基础上，对部分任务结果采用投票一致性策略[8-9]进行分析，然后将二者结合于贝叶斯模型[10-12]，推算出工作者在此次任务中提交任务结果的验后准确度。下面分别对信任模型构建、计算过程、具体实施流程以及实验结果进行介绍。

1 贝叶斯信任模型构建

该文提出贝叶斯信任模型(Bayesian trust model，BTM)，主要将工作者历史信誉信息[13]和此次任务结果结合于贝叶斯算法来分析，提高对众包任务结果质量判别的准确度。……