基于本地差分隐私的预算约束工人招募算法
黄珊珊1
方贤进2
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.安徽理工大学 计算机科学与工程学院,安徽 淮南 232001;安徽理工大学 煤炭无人化开采数智技术全国重点实验室,安徽 淮南 232001
摘要：针对移动群智感知(mobile crowdsensing,MCS)中预算受限与位置隐私难以兼顾的问题,提出基于本地差分隐私的预算约束工人招募算法(budget-constrained worker recruitment algorithm based on local differential privacy,LBWR).首先,设计自适应圆形扰动(adaptive circular perturbation,ACP)机制,通过动态优化圆心与半径并结合指数机制生成扰动位置,实现位置隐私保护并提升数据实用性.其次,提出质量感知招募算法(quality-aware recruitment algorithm,QARA),以加权泰森多边形描述区域特征,结合蚁群优化在预算约束下搜索工人集合,实现覆盖质量驱动的最优招募.在格瓦拉签到社交网络数据集(Gowalla location-based social network dataset,Gowalla)与北京市出租车轨迹数据集(driving directions based on taxi trajectories,T-drive)的实验结果表明,LBWR在覆盖质量、均方根误差和最小成本最大工作量等指标上均优于对比算法.其中,LBWR在覆盖质量上表现优异,ACP降低了均方根误差,QARA在覆盖质量和最小成本最大工作量上均优于对比算法,整体体现了该算法在隐私保护与高效工人招募之间的平衡能力.该算法在保障隐私的同时实现了高效覆盖分配,具备良好的鲁棒性与可扩展性.
关键词：移动群智感知本地差分隐私工人招募蚁群优化算法加权泰森多边形
分类号：TP309(计算技术、计算机技术)
资助基金：国家自然科学基金(61572034)
论文发表日期：2026-03-20
在线出版日期：2026-03-26（本平台首次上网日期，不代表文献的发表时间）
页数：9( 49-56,68 )
英文信息