移動群智感知網(wǎng)絡的安全博弈研究.pdf

1、移動群智感知(Mobile Crowdsensing，MCS)利用智能手機和平板電腦等移動設備的傳感器來感知人類活動和周邊環(huán)境，已廣泛用于空氣質(zhì)量檢測、路況探測和醫(yī)療健康信息搜集等應用。由于感知和傳遞信息消耗了移動設備的電能等資源，并可能威脅到移動用戶的隱私性，因此有些自私的移動用戶可能在移動群智感知中發(fā)送偽造的感知數(shù)據(jù)，實施虛假感知攻擊，嚴重威脅移動群智感知的質(zhì)量。
　　為此，論文研究移動群智感知網(wǎng)絡的安全激勵機制，從動機上抑制

2、虛假感知攻擊。首先，研究智能手機等移動終端用戶與MCS應用服務器之間的交互，構(gòu)建安全移動群智感知博弈模型。其中，自私理性的移動用戶以最大化自身效益為目標，選擇其感知時間和精度等感知力度;而MCS服務器則采用感知質(zhì)量評估分級機制，根據(jù)感知報告的質(zhì)量決定支付給相關移動用戶的傭金。基于服務器感知質(zhì)量評估的錯誤概率模型，研究服務器的付費機制，給出了MCS靜態(tài)博弈的納什均衡點及其存在條件，提出了抑制虛假感知攻擊的條件，并揭示了移動用戶的數(shù)目和感知

3、質(zhì)量評估的分級數(shù)目等因素對有效服務器定價策略的影響。
　　在此基礎上，針對移動群智感知動態(tài)博弈，設計了基于強化學習的移動群智感知定價策略，服務器不需要預知移動用戶的感知模型和參數(shù)，通過學習算法獲取最佳的定價策略，并對感知評估錯誤具有一定的魯棒性。實驗結(jié)果表明，該方案提高了服務器效益，并降低了虛假感知攻擊率。例如，當質(zhì)量分成2級且服務器評估錯誤概率為0.1時，相對于學習之初，虛假感知攻擊率降低了97％左右，而服務器效益增加了50％以