.png){kind=icon}
返回
A secure and efficient task-centric multi-task allocation scheme in mobile crowd sensing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.pmcj.2026.102296.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动众包感知（MCS）通过无处不在的移动设备实现大规模城市数据收集，但现有的多任务分配方案受限于三个根本挑战：忽视任务相似性，导致数据冗余；未能解决新平台缺乏历史用户数据时的冷启动问题；以及未能充分保护任务发布者和感知用户的位置隐私。先前的工作尚未同时解决这三个问题。为弥补这一差距，我们提出了一种安全高效的任务中心多任务分配框架。其创新性体现在三个集成组件：①基于余弦相似性的任务聚类算法，通过交叉验证阈值聚合相似任务，实现一次数据上传支持多个任务；②抗冷启动的用户选择机制，结合社交影响传播进行用户招募和Thompson采样对新用户声誉进行估计；③边缘辅助的Paillier同态加密协议，用于双向位置隐私保护。在Geolife数据集上的大量实验表明，本方案在各种设置下均优于现有最先进基准，实现了更优的任务分配与完成率，同时有效平衡了效率、质量与隐私。
Keyword:
Mobile Crowd Sensing (MCS)
Multi-task allocation
Task-centric
Cold start
Thompson sampling
Edge computing
Homomorphic encryption
期刊
IF:
3.5
论文数:
1.5K
被引数:
2.2K
机构
引用论文
暂无论文信息